最近一直在写spark 相关的项目, 但是以前从没有接触过spark 相关的东西, 只能是边学边用。
后面准备在 这里记录 在学习、使用spark过程中,遇到的问题
今天要记录的问题是: 使用 spark alone 运行模式下, 进场遇到的问题—— java.io.NotSerializableException
1、在哪几种情况下, 会发生这个问题
(1)类、方法 没有被序列化
类没有被序列化, 代码如下:
class GetData {
def init(): Unit = {
val rdd = sc.textfile(.....)
val local = rdd.map(.....)
}
}
object test {
val s = new GetData()
s.init()
}
这种情况下, 就会出现 NotSerializableException 异常, 因为在 scala 中, 类是不会自动序列化, 所以需要这样改: class GetData extends java.io.Serializable {…..}
(2) 方法没有被序列化
在 scala 中, 尽管 函数(方法)会自动序列化, 但是在下面那种情况, 是不会自动序列化的
val local = rdd.map(theRow => {
theRow.getString(0)
})
上面, 这种情况,scala 就不会自动 序列化, 需要修改为
val local = rdd.map(transfrom)
def transfrom(theRow: org.apache.spark.sql.Row): String = {
theRow.getString(0)
}
(3)、传入的参数有 SparkContext
这种情况下, 会出现着这种异常: java.io.NotSerializableException: org.apache.spark.SparkContext
原因是: SparkContext, 是不能被序列话的
所以, 这种情况下, 是不能把 SparkContext 当成参数, 进行传递的
2、 org.apache.spark.SparkException: Only one SparkContext may be running in this JVM
产生这种情况的原因是: 在同一个 driver(同一次 函数调用 或者 同一个main中) 定义了两个 sparkContext
这是不允许的, 只能定义一个 sparkContext