Spark性能优化----troubleshooting之解决各种序列化导致的报错

你会看到什么样的序列化导致的报错？

用client模式去提交spark作业，观察本地打印出来的log。如果出现了类似于Serializable、Serialize等等字眼，报错的log，那么恭喜大家，就碰到了序列化问题导致的报错。

虽然是报错，但是序列化报错，应该是属于比较简单的了，很好处理。

序列化报错要注意的三个点：

1、你的算子函数里面，如果使用到了外部的自定义类型的变量，那么此时，就要求你的自定义类型，必须是可序列化的。

final Teacher teacher =new Teacher("leo");

studentsRDD.foreach(newVoidFunction() {

 

public void call(Row row)throws Exception {

  String teacherName = teacher.getName();

  .... 

}

});

public class Teacherimplements Serializable {

 

}

2、如果要将自定义的类型，作为RDD的元素类型，那么自定义的类型也必须是可以序列化的

JavaPairRDD<Integer,Teacher> teacherRDD

JavaPairRDD<Integer,Student> studentRDD

studentRDD.join(teacherRDD)

public class Teacherimplements Serializable {

 

}

public class Studentimplements Serializable {

 

}

3、不能在上述两种情况下，去使用一些第三方的，不支持序列化的类型

Connection conn =

studentsRDD.foreach(newVoidFunction() {

 

public void call(Row row)throws Exception {

  conn.....

}

});

Connection是不支持序列化的