序列化问题
闭包.函数内部引用了函数外部的类型(如果没有被序列化,就会报错)
什么情况下只有一个stage,
没有产生shuffle的情况下,那么这个stage就是resultTask
每个job有且只有一个ResultTask,前面的都是shuffleMapTask
Task和ResultTask都继承了Task实现了Serializable
函数内部引用了没有序列化的类型,当Task中引用了没有序列化的类型,执行程序就会触发 Task Not Serializable
Task是在Drever生成的,当Task要在Excutor运行的时候,Excutor发现没有序列化的函数就会报错
那么有4中解决方案
1 实现object序列化 一个executor一个实例
2实现class序列化 有几个task就有几个实例
3在函数内部创建实例 !!不要在函数中new实例.这样每条数据都会创建一个实例
4最好的解决方案是使用mappartition.这样一个分区创建一个实例,也解决了多线程的问题
不要加锁速度会变慢
FastDateFormat.getIntance(yyyy-MM-dd,HH mm ss)这个更快更安全
package cn._51doit.spark.day08
import java.net.InetAddress
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext, TaskContext}
object SerTest03 {
def main(args: Array[String]): Unit = {
val isLocal = args(0).toBoolean
val conf = new SparkConf().setAppName(this.getClass.getCanonicalName)
if (isLocal) {
conf.setMaster("local[*]")
}
val sc = new SparkContext(conf)
val lines = sc.textFile(args(1))
//传入Map的函数是在Driver定义的,但是是在Executor调用执行的
val tpRdd: RDD[(String, String, Int, Long, String, String)] = lines.map(w => {
val rulesMap = new RulesMapClassNotSer //每处理一条数据就会new一个实例
//闭包(rulesMap要在Executor被使用)
val province = rulesMap.rules.getOrElse(w, "未知")
val taskId = TaskContext.getPartitionId()
val threadId = Thread.currentThread().getId
val hostName = InetAddress.getLocalHost.getHostName
(w, province, taskId, threadId, hostName, rulesMap.toString)
})
tpRdd.saveAsTextFile(args(2))
sc.stop()
}
}
!!!这样不好
----------------
package cn._51doit.spark.day08
import java.net.InetAddress
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext, TaskContext}
object SerTest04 {
def main(args: Array[String]): Unit = {
val isLocal = args(0).toBoolean
val conf = new SparkConf().setAppName(this.getClass.getCanonicalName)
if (isLocal) {
conf.setMaster("local[*]")
}
val sc = new SparkContext(conf)
val lines = sc.textFile(args(1))
//不在Driver初始化object或class的实例
//传入Map的函数是在Driver定义的,但是是在Executor调用执行的
val tpRdd: RDD[(String, String, Int, Long, String, String)] = lines.map(w => {
val rulesMap = RulesMapObjectNotSer //在Executor端的Task中
//闭包(rulesMap要在Executor被使用)
val province = rulesMap.rules.getOrElse(w, "未知")
val taskId = TaskContext.getPartitionId()
val threadId = Thread.currentThread().getId
val hostName = InetAddress.getLocalHost.getHostName
(w, province, taskId, threadId, hostName, rulesMap.toString)
})
tpRdd.saveAsTextFile(args(2))
sc.stop()
}
}
----------------------
class RulesMapClassNotSer {
val rules = Map("ln" -> "辽宁省", "bj" -> "北京市", "sh" -> "上海市", "sd" -> "山东省")
}