RDD序列化
一.闭包检查
从计算的角度, 算子以外的代码都是在Driver 端执行, 算子里面的代码都是在 Executor 端执行。那么在 scala 的函数式编程中,就会导致算子内经常会用到算子外的数据,这样就形成了闭包的效果,如果使用的算子外的数据无法序列化,就意味着无法传值给Executor 端执行,就会发生错误,所以需要在执行任务计算前,检测闭包内的对象是否可以进行序列化,这个操作我们称之为闭包检测。Scala2.12 版本后闭包编译方式发生了改变
二.序列化方法和属性
从计算的角度, 算子以外的代码都是在Driver 端执行, 算子里面的代码都是在 Executor 端执行,看如下代码:
object Spark_rdd_01 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("RDD").setMaster("local[*]")
val sc = new SparkContext(conf)
// 创建一个RDD
val rdd: RDD[String] = sc.makeRDD(Array("hello world","hello spark","hive","java"))
// 创建一个Search对象
val search = new Search("h")
// 函数传递,打印
search.getMatch1(rdd).collect().foreach(println)
println("-----------")
// 属性传递,打印
search.getMatch2(rdd).collect().foreach(println)
sc.stop()
}
//查询对象
//类的构造参数其实是类的属性,构造参数需要进行闭包检测,其实就等同于类进行闭包检测
class Search(query:String) extends Serializable {
def isMatch(s:String):Boolean={
s.contains(this.query)
}
//函数序列化案例
def getMatch1(rdd:RDD[String]):RDD[String]={
rdd.filter(isMatch)
}
//属性序列化案例
def getMatch2(rdd:RDD[String]):RDD[String]={
rdd.filter(x=>x.contains(query))
}
}
}
hello world
hello spark
hive
-----------
hello world
hello spark
hive
object Spark_rdd_01 {
def main(args: Array[String]): Unit = {
val conf = new SparkConf().setAppName("RDD").setMaster("local[*]")
val sc = new SparkContext(conf)
// 创建一个RDD
val rdd: RDD[String] = sc.makeRDD(Array("hello world","hello spark","hive","java"))
// 创建一个Search对象
val search = new Search("h")
// 属性传递,打印
search.getMatch2(rdd).collect().foreach(println)
sc.stop()
}
//查询对象
//这次不用序列化
class Search(query:String) {
def isMatch(s:String):Boolean={
s.contains(this.query)
}
//函数序列化案例
def getMatch1(rdd:RDD[String]):RDD[String]={
rdd.filter(isMatch)
}
//属性序列化案例
def getMatch2(rdd:RDD[String]):RDD[String]={
val s=query
rdd.filter(x=>x.contains(s))
}
}
}
hello world
hello spark
hive
三.Kryo序列化框架
Java 的序列化能够序列化任何的类。但是比较重(字节多),序列化后,对象的提交也比较大。Spark 出于性能的考虑,Spark2.0 开始支持另外一种Kryo 序列化机制。Kryo 速度是 Serializable 的 10 倍。当 RDD 在 Shuffle 数据的时候,简单数据类型、数组和字符串类型已经在 Spark 内部使用 Kryo 来序列化。
注意:即使使用Kryo 序列化,也要继承Serializable 接口。