我注意到大多数 Scalaz 类都不可序列化。在这种情况下,我尝试使用类型类在 Spark 中对数组进行自定义排序。
reduce 的例子可能是这样的:
> val ord = Order[T]{ ... }
> sc.makeRDD[T](...).grupBy(...).map {
case (_, grouped) => IList[T](grouped.toList).sorted(ord).distinct(ord)
}
如您所料,此实现会抛出 NotSerializableException
,因为 Order[T]
不可序列化。
有没有办法让 Order[T]
可序列化?在一个完美的世界中,我希望仍然使用 scalaz 来避免这个问题。在一个不太完美的方案中,我愿意考虑其他实现方案。
如果发生这种情况,则必须以可维护和可扩展的方式保持自定义排序和不同的实现。
最佳答案
如果您需要访问某些不可序列化的对象,您可以将其包装在一个对象
中:
scala> class NotSerializablePrinter { def print(msg:String) = println(msg) }
defined class NotSerializablePrinter
scala> val printer = new NotSerializablePrinter
printer: NotSerializablePrinter = $iwC$$iwC$NotSerializablePrinter@3b8afdbf
scala> val rdd = sc.parallelize(Array("1","2","3"))
rdd: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[24] at parallelize at <console>:30
scala> rdd.foreach(msg => printer.print(msg)) // Fails
org.apache.spark.SparkException: Task not serializable
...
scala> object wrap { val printer = new NotSerializablePrinter }
defined module wrap
scala> rdd.foreach(msg => wrap.printer.print(msg))
1
3
2
在您的情况下,您会将我的 NotSerializablePrinter
实例替换为您的 Scalaz Order
实例。此示例来自 this useful article (第 3a 项)。
关于scala - 为 Spark 序列化 Scalaz 订单,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41271811/