(scala)spark+jieba分词加载用户自定义词典worker端不起作用的Bug

如果在udf外面加载用户自定义词典,我们的worker端的分词还是按照jieba自带的库进行分词,这样的分词结果肯定是不符合我们的要求(我也是在使用了很长的时间之后才发现这个问题)
在这里插入图片描述
我们把driver加载自定义词典放到worker去,即可解决
在这里插入图片描述
这样即可,不过这里需要注意的是如果,你想完全使用自己的词典,你就需要 WordDictionary.getInstance().freqs.clear(),但是这个只能清除driver端,如果想清除worker端的源词库,不能在udf里面clear(),实际情况中,写在udf里加载用户自定义词典一个worker只加载一次,但是clear(),每次记录都会清除,最后导致worker端既没有源词库也没有自定义词库,目前的解决方法是手动删除jieba的jar包中的dict.txt文件,根源上解决

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值