7

次のようなコードがあります。

      println("\nBEGIN Last Revs Class: "+ distinctFileGidsRDD.getClass)
      val lastRevs = distinctFileGidsRDD.
        foreachPartition(iter => {
          SetupJDBC(jdbcDriver, jdbcUrl, jdbcUser, jdbcPassword)
          while(iter.hasNext) {
            val item = iter.next()
            //println(item(0))
            println("String: "+item(0).toString())
            val jsonStr = DB.readOnly { implicit session =>
              sql"SELECT jsonStr FROM lasttail WHERE fileGId = ${item(0)}::varchar".
                map { resultSet => resultSet.string(1) }.single.apply()
            }
            println("\nJSON: "+jsonStr)
          }
        })
      println("\nEND Last Revs Class: "+ lastRevs.getClass)

コードは次のようなものを出力します（大幅な編集を伴う）：

BEGIN Last Revs Class: class org.apache.spark.rdd.MapPartitionsRDD
String: 1fqhSXPE3GwrJ6SZzC65gJnBaB5_b7j3pWNSfqzU5FoM
JSON: Some({"Struct":{"fileGid":"1fqhSXPE3GwrJ6SZzC65gJnBaB5_b7j3pWNSfqzU5FoM",... )
String: 1eY2wxoVq17KGMUBzCZZ34J9gSNzF038grf5RP38DUxw
JSON: Some({"Struct":{"fileGid":"1fqhSXPE3GwrJ6SZzC65gJnBaB5_b7j3pWNSfqzU5FoM",... )
...
JSON: None()
END Last Revs Class: void

質問 1: lastRevs の値を、JSON 文字列/null のような便利な形式にしたり、Some / None のようなオプションにしたりするにはどうすればよいですか?

質問 2: 私の好み: (反復子形式ではなく) RDD のような形式のパーティション データを取得する別の方法はありますか?

dstream.foreachRDD { (rdd, time) =>
  rdd.foreachPartition { partitionIterator =>
    val partitionId = TaskContext.get.partitionId()
    val uniqueId = generateUniqueId(time.milliseconds, partitionId)
    // use this uniqueId to transactionally commit the data in partitionIterator
  } 
}

http://spark.apache.org/docs/latest/streaming-programming-guide.html#performance-tuningから

質問 3: 私が使用しているデータの取得方法は適切ですか (上記のリンクをたどっている場合)? (これが scalikejdbc システム JDBC であるという事実は脇に置いておいてください。これは、このプロトタイプ以外のタイプのキー、値ストアになる予定です。)

4

1 に答える 1

7

executor に対してローカルなリソース (DB やネットワーク接続など) を使用する変換を作成するには、rdd.mapPartitions. 一部のコードをエグゼキュータに対してローカルに初期化し、それらのローカル リソースを使用してパーティション内のデータを処理することができます。

コードは次のようになります。

 val lastRevs = distinctFileGidsRDD.
        mapPartitions{iter => 
          SetupJDBC(jdbcDriver, jdbcUrl, jdbcUser, jdbcPassword)
          iter.map{ element => 
            DB.readOnly { implicit session =>
              sql"SELECT jsonStr FROM lasttail WHERE fileGId = ${element(0)}::varchar"
              .map { resultSet => resultSet.string(1) }.single.apply()
            }
          }
        }
于 2016-04-30T18:34:44.130 に答える