在spark程序中,重用变量名要特别小心。比如下面的程序
JavaPairDStream<String, Serializable> result1 = data.mapToPair(...);
result1 = result1.filter(...);
result1 = result1.union(other);
结果极有可能是错的。估计和DAG的构造方法有关,DAG有可能是用变量名来构造计算图的,同样的变量名在不同的地方含义不一样,但是DAG区分不了。当然这只是我猜的,没得到证实。
为了保险,变量名最好别重用。上面的程序最好改为:
JavaPairDStream<String, Serializable> result1 = data.mapToPair(...);
JavaPairDStream<String, Serializable> result2 = result1.filter(...);
JavaPairDStream<String, Serializable> result3 = result2.union(other);