Spark：对象不可序列化

Posted 2023-04-15

【中文标题】Spark：对象不可序列化

【英文标题】：Spark: object not serializable

【发布时间】：2020-03-31 18:28:54

【问题描述】：

我有一个批处理作业，我尝试将其转换为结构化流。我收到以下错误：

20/03/31 15:09:23 ERROR Executor: Exception in task 0.0 in stage 0.0 (TID 0)
java.io.NotSerializableException: com.apple.ireporter.analytics.compute.AggregateKey
Serialization stack:
    - object not serializable (class: com.apple.ireporter.analytics.compute.AggregateKey, value: d_)

...其中“d_”是数据集中的最后一行

这是相关代码sn-p

    df.writeStream.foreachBatch  (batchDF: DataFrame, batchId: Long) =>
      import spark.implicits._
      val javaRdd = batchDF.toJavaRDD
      val dataframeToRowColFunction = new RowToColumn(table)
      println("Back to Main class")
      val combinedRdd =javaRdd.flatMapToPair(dataframeToRowColFunction.FlatMapData2).combineByKey(aggrCreateComb.createCombiner,aggrMerge.aggrMerge,aggrMergeCombiner.aggrMergeCombiner)
      // spark.createDataFrame( combinedRdd).show(1); // I commented this
      // combinedRdd.collect() // I added this as a test
    

这是 FlatMapData2 类

  val FlatMapData2: PairFlatMapFunction[Row, AggregateKey, AggregateValue] = new PairFlatMapFunction[Row, AggregateKey, AggregateValue]() 
    //val FlatMapData: PairFlatMapFunction[Row, String, AggregateValue] = new PairFlatMapFunction[Row, String, AggregateValue]() 
    override def call(x: Row) = 
      val tuples = new util.ArrayList[Tuple2[AggregateKey, AggregateValue]]
      val decomposedEvents = decomposer.decomposeDistributed(x)
      decomposedEvents.foreach 
        y =>  tuples.add(Tuple2(y._1,y._2))
      
      tuples.iterator()
    
  

这里是聚合的 Key 类

class AggregateKey(var partitionkeys: Map[Int,Any],var clusteringkeys : Map[Int,Any]) extends Comparable [AggregateKey]
...

我是新手，任何帮助将不胜感激。如果还有什么需要补充的请告诉我

【问题讨论】：

最初的错误是由于spark.createDataFrame( combinedRdd).show(1);。我用combinedRdd.collect() 替换了它，现在它正在抛出NotSerializableException。我已经相应地修改了问题

可能是因为Map[Int,Any] Any 总是问题所在，在任何地方都不惜一切代价避免它。 Scala 有一个强大的类型系统可以做到这一点。

【参考方案1】：

我可以通过让 AggregateKey 扩展 java.io.Serializable 来解决这个问题

class AggregateKey(var partitionkeys: Map[Int,Any],var clusteringkeys : Map[Int,Any]) extends java.io.Serializable