[转载]Spark-Task not serializable错误解析
2024-09-04 23:37:45
Spark-Task not serializable错误解析
2018年05月17日 15:33:03 沙拉控 阅读数:1509
在学习SparkStreaming的时候偶然出现的一个问题,先看下面一段代码:
import org.apache.log4j.{Level, Logger}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}
/**
* Created by Administrator on 2017/11/6.
*/
object ForEachTest {
val checkpointDirectory="hdfs://hadoop1:9000/streamingchekpoint4"
def functionToCreateContext(): StreamingContext = {
//程序入口
val conf = new SparkConf().setMaster("local[2]").setAppName(s"${this.getClass.getSimpleName}")
val sc = new SparkContext(conf)
sc.setLogLevel("ERROR")
val ssc = new StreamingContext(sc,Seconds(1))
//数据的输入
val dStream = ssc.socketTextStream("192.168.32.10",9999)
//数据的处理
val resultDStream = dStream.flatMap(_.split(","))
.map((_, 1))
.updateStateByKey((values: Seq[Int], valuesState: Option[Int]) => {
val currentCount = values.sum
val lastCount = valuesState.getOrElse(0)
Some(currentCount + lastCount)
})
//程序的输出
resultDStream.foreachRDD( rdd =>{
//Driver
val jdbcCoon = MysqlPool.getJdbcCoon()
val statement = jdbcCoon.createStatement()
rdd.foreachPartition( partition =>{
//Executor
partition.foreach( recored =>{
//Executor
val word = recored._1
val count = recored._2
val sql=s"insert into aura.1706wordcount values(now(),'${word}',${count})"
statement.execute(sql)
})
MysqlPool.releaseConn(jdbcCoon)
})
})
//设置检查点
ssc.checkpoint(checkpointDirectory)
ssc
}
def main(args: Array[String]): Unit = {
val ssc = StreamingContext.getOrCreate(checkpointDirectory, functionToCreateContext _)
//启动程序
ssc.start()
ssc.awaitTermination()
}
}
这段代码是一个SparkStraming与mysql交互的Demo,用到了foreachRDD算子,mysql连接池的代码这里先省略,因为不是重点,会在另一片专门写SparkStreaming的博客中给出。这段代码看似没有问题,但是运行报错:
org.apache.spark.SparkException: Task not serializable
Caused by: java.io.NotSerializableException: java.lang.Object
表示任务没有被序列化,那么这个序列化到底是指哪里呢?通过查阅官网,发现在介绍foreachRDD的时候有过这么一个介绍:
dstream.foreachRDD { rdd =>
val connection = createNewConnection() // executed at the driver
rdd.foreach { record =>
connection.send(record) // executed at the worker
}
}
这个说明foreachRDD是在driver端执行的,而foreach是在worker端执行的。我们知道我们在提交代码的时候,提交这个动作是在driver端执行的,提交的这台服务器就是driver,那么哪些代码是在drvier端执行的呢?
val conf = new SparkConf()
conf.setAppName(s"${this.getClass.getSimpleName}").setMaster("local[2]")
val sc = new SparkContext(conf)
val ssc: StreamingContext = new StreamingContext(sc, Seconds(1))
以上的这些初始化的代码和:textfile、foreachRDD都是在driver端执行的;
而map、flatmap、reduceByKey、foreach、foreachPartition...这类算子都是在worker端执行的。
从driver到worker是要先序列化再可以传输的,所以你如果要在foreachRDD里面写代码,如果没有经过序列化,就会报错。那么怎么解决呢?
1、让它序列化啊
2、如果这个对象不支持序列化,那就不要写在foreachRDD里面啊
所以,原文的这段代码应该修改为:
resultDStream.foreachRDD( rdd =>{
//Driver
rdd.foreachPartition( partition =>{
//Executor
val jdbcCoon = MysqlPool.getJdbcCoon()
val statement = jdbcCoon.createStatement()
partition.foreach( recored =>{
//Executor
val word = recored._1
val count = recored._2
val sql=s"insert into aura.1706wordcount values(now(),'${word}',${count})"
statement.execute(sql)
})
MysqlPool.releaseConn(jdbcCoon)
})
})
最新文章
- MySQL配置、使用规范
- mongoose 的 model,query:增删改查
- Volley框架的使用
- cURL的几个经典实例
- ServiceBroker创建流程
- WCF基礎
- MySQL之重设密码(忘记密码)讲解
- MVC 中 使用TagBuilder扩展HtmlHelper
- 团队项目·冰球模拟器——cmake 自动化构建系统的配置文件的编写
- 关于Python网络爬虫实战笔记③
- 1.如何安装maven
- JavaScript实现登录窗口的拖拽
- SQLServer之索引简介
- 请问在EXECUTE IMMEDIATE中如何使用带有引号
- Excel函数详解:[127]ROWS函数用法
- React Native 学习资料
- UI设计工资有多高?怎么快速拿高薪?
- Spring 3.1新特性之二:@Enable*注解的源码,spring源码分析之定时任务Scheduled注解
- WinForm 之 VS2010发布、打包安装程序
- 导出 java.io.IOException: 权限不够
热门文章
- 华三F100系列、华为USG6300系列防火墙 策略路由配置实例
- 《ThinkPHP 5.0快速入门》 请求和响应
- pynput模块—键盘鼠标操作和监听
- poj1905 Expanding Rods(二分)
- 22.把hive表中数据导入到mysql中
- GridControl gridView显示筛选行,设置条件为包含
- SqlServer判断表中某列是否包含中文,英文,纯数字
- 关于centOS安装配置mysql5.6那点事
- Q_OBJECT提供了信号槽机制、国际化机、RTTI 的反射能力(cpp中使用Q_OBJECT导致无法处理moc,就需要#include “moc_xxx.h”)
- 【weixin】微信企业号和公众号区别和关系是什么?