Spark Java闭包详细信息

Question

我下面有下面的代码。有一个解决方法，我调用每一个CmProblem RDD。我在solve方法中传入了一个图，它实际上编辑了该图。

每个任务会收到一个单独的图形实例吗？

如果不是，我如何为所有求解方法的执行实现单独的图形副本？我知道我可以使用Gson传递图的序列化版本，并在solve方法中将其反序列化。但是还有别的办法吗？

    SparkConf conf = new SparkConf().setAppName("xyz").setMaster(sparkMaster);
    JavaSparkContext sc = new JavaSparkContext(conf);

    List<CmNode> inboundNodes = cmProblem.convertLoadsToNodes(cmProblem.getInboundLoads());

    CmGraph graph = new CmGraph(inboundNodes);

    List<CmNode> outboundNodes = cmProblem.convertLoadsToNodes(cmProblem.getOutboundLoads());
    Objects.requireNonNull(outboundNodes).sort(CmNode::compareTo);


    // divide problem
    List<CmProblem> cmProblems = getDividedProblems(cmProblem);
    JavaRDD<CmProblem> cmProblemJavaRDD = sc.parallelize(cmProblems);

    // call solve and merge solution
    List<CmSolution> cmSolutions = cmProblemJavaRDD.map(ea -> solve(ea, graph)).collect();


    //merge cmSolutions
    List<CmPath> paths = new LinkedList<>();

    for (CmSolution cmSolution : cmSolutions) {
        paths.addAll(CollectionUtils.isNotEmpty(cmSolution.getPaths()) ? cmSolution.getPaths() : new LinkedHashSet<>());
    }

Answer 1

每个任务会收到一个单独的图形实例吗？

事实上，如果您有一个局部变量，并且您的作业将在分布式环境中执行，那么每个任务肯定会有它自己版本的局部变量。此外，如果本地var是一个自定义类的对象，那么它必须是可序列化的，并且当然是在将要提交的jar文件中。换句话说，您的graph变量将被发送到每个执行器，并将分别用于每个任务。

solve的每次执行会是一个单独的任务吗？

要了解更多信息，您可以谷歌，也可以使用这个链接：在Spark中，阶段是如何拆分为任务的？