Проблема доступа к переменной массива внутри операции rdd в режиме кластера пряжи - PullRequest
Новая
       21

Проблема доступа к переменной массива внутри операции rdd в режиме кластера пряжи

0 голосов
/ 17 апреля 2019

Мой ввод - это файл csv / tsv или любой другой, разделенный разделителем, и его заголовок.Я хочу сопоставить любой столбец в качестве ключа и всю строку в качестве значения.Я выполнил приведенный ниже код нормально на своей машине, но потерпел неудачу при тестировании в режиме кластера пряжи. 

public class SparkController implements java.io.Serializable {
    String DELIMITER;
    String[] header;
    String path;

    public static void main(String[] args) {
        // some parse function
        // say input file is a csv likes: (id,timestamp,ip)
        // header = [ "id", "timestamp", "ip" ]
        // DELIMITER = ","
        SparkController sparkController = new SparkController();
        sparkController.parseArgs(args);

        JavaPariRDD<String, String> pairRdd = sparkController.map2PairRdd("ip");

    }

    private JavaPariRDD<String, String> map2PairRdd(String column) {
        JavaRDD<String> rawFile = sc.textFile(path);
        JavaPariRDD<String, String> pairRdd = rawFile.mapToPair((s) -> {
            // DELIMITER can be accessed normally 
            String[] fields = s.split(DELIMITER);
            // turns out header is empty when runs in yarn, 
            // but works fine in standalone mode
            return new Tuple2<>(fields[header.indexOf("ip")], s);
        });

        // other operations continue
    }

}

Я понимаю, что такие переменные, как DELIMITER и header, сериализуются работникам в режиме кластера.Но как массив header может быть пустым внутри операции rdd.

Я изменяю код, объявляя окончательную переменную int index вне mapToPair и получаю доступ к index внутри, тогда эта ошибка исправлена.

Но я все еще не понимаю, почему header пуст, когда доступ внутри mapToPair.Кто-нибудь может дать некоторые идеи?

...