4

index: RDD[(String, String)] という名前の rdd を取得しました。index を使用してファイルを処理したいと考えています。これはコードです：

val get = file.map({x =>
  val tmp = index.lookup(x).head
  tmp
})

問題は、file.map 関数で index を使用できないことです。このプログラムを実行したところ、次のようなフィードバックが得られました。

14/12/11 16:22:27 WARN TaskSetManager: Lost task 0.0 in stage 3.0 (TID 602, spark2): scala.MatchError: null
        org.apache.spark.rdd.PairRDDFunctions.lookup(PairRDDFunctions.scala:770)
        com.ynu.App$$anonfun$12.apply(App.scala:270)
        com.ynu.App$$anonfun$12.apply(App.scala:265)
        scala.collection.Iterator$$anon$11.next(Iterator.scala:328)
        scala.collection.Iterator$$anon$10.next(Iterator.scala:312)
        scala.collection.Iterator$class.foreach(Iterator.scala:727)
        scala.collection.AbstractIterator.foreach(Iterator.scala:1157)
        scala.collection.generic.Growable$class.$plus$plus$eq(Growable.scala:48)
        scala.collection.mutable.ArrayBuffer.$plus$plus$eq(ArrayBuffer.scala:103)
        scala.collection.mutable.ArrayBuffer.$plus$plus$eq(ArrayBuffer.scala:47)
        scala.collection.TraversableOnce$class.to(TraversableOnce.scala:273)
        scala.collection.AbstractIterator.to(Iterator.scala:1157)
        scala.collection.TraversableOnce$class.toBuffer(TraversableOnce.scala:265)
        scala.collection.AbstractIterator.toBuffer(Iterator.scala:1157)
        scala.collection.TraversableOnce$class.toArray(TraversableOnce.scala:252)
        scala.collection.AbstractIterator.toArray(Iterator.scala:1157)
        org.apache.spark.rdd.RDD$$anonfun$28.apply(RDD.scala:1080)
        org.apache.spark.rdd.RDD$$anonfun$28.apply(RDD.scala:1080)
        org.apache.spark.SparkContext$$anonfun$runJob$4.apply(SparkContext.scala:1121)
        org.apache.spark.SparkContext$$anonfun$runJob$4.apply(SparkContext.scala:1121)
        org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:62)
        org.apache.spark.scheduler.Task.run(Task.scala:54)
        org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:177)
        java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)
        java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)
        java.lang.Thread.run(Thread.java:745)

どうしてか分かりません。そして、この機能を実装したい場合はどうすればよいですか? ありがとう

4

1 に答える 1

5

RDD は仮想コレクションとして表示されます。RDD 参照は、データがどこにあるかを指しているだけで、それ自体にはデータがないため、クロージャで使用しても意味がありません。

目的の機能を実現するには、RDD を組み合わせた関数を使用する必要があります。また、ここで定義されているルックアップは、各ワーカーのメモリで利用可能なすべてのルックアップ データを必要とする非常に順次的なプロセスです。これはスケールアップしません。

thatのすべての要素file rddをその値に解決するには、index両方の RDD を結合する必要があります。

val resolvedFileRDD = file.keyBy(identity).join(index) // this will have the form of (key, (key,index of key))
于 2014-12-11T10:43:53.690 に答える