scala映射函数中的“NotSerializableException”

Question

我正在读取文件并尝试使用函数映射值。但它给出了一个错误 NotSerializableException 下面是我正在运行的代码：

package com.sundogsoftware.spark

import org.apache.spark._
import org.apache.spark.SparkContext._
import org.apache.log4j._
import scala.math.min

/** Find the minimum temperature by weather station */
object MinTemperatures {

  def parseLine(line: String) = {
    val fields = line.split(",")
    val stationID = fields(0)
    val entryType = fields(2)
    val temperature = fields(3).toFloat * 0.1f * (9.0f / 5.0f) + 32.0f
    (stationID, entryType, temperature)
  }

  /** Our main function where the action happens */
  def main(args: Array[String]) {

    // Set the log level to only print errors
    Logger.getLogger("org").setLevel(Level.ERROR)

    // Create a SparkContext using every core of the local machine
    val sc = new SparkContext("local[*]", "MinTemperatures")

    // Read each line of input data
    val lines = sc.textFile("../DataSet/1800.csv")

    // Convert to (stationID, entryType, temperature) tuples
    val parsedLines = lines.map(parseLine)
}
}

当我运行上面的代码时，它给了我以下错误：

使用 Spark 的默认 log4j 配置文件： org/apache/spark/log4j-defaults.properties 线程“主”中的异常 org.apache.spark.SparkException：任务不可序列化 org.apache.spark.util.ClosureCleaner$.ensureSerializable(ClosureCleaner.scala:403) 在 org.apache.spark.util.ClosureCleaner$.clean(ClosureCleaner.scala:393) 在 org.apache.spark.util.ClosureCleaner$.clean(ClosureCleaner.scala:162) 在 org.apache.spark.SparkContext.clean(SparkContext.scala:2326) 在 org.apache.spark.rdd.RDD.$anonfun$map$1(RDD.scala:371) 在 org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:151) 在 org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:112) 在 org.apache.spark.rdd.RDD.withScope(RDD.scala:363) 在 org.apache.spark.rdd.RDD.map(RDD.scala:370) 在 com.sundogsoftware.spark.MinTemperatures$.main(MinTemperatures.scala:32) 在 com.sundogsoftware.spark.MinTemperatures.main(MinTemperatures.scala)

引起：java.io.NotSerializableException：

com.sundogsoftware.spark.MinTemperatures$ 序列化堆栈： - 对象不可序列化（类：com.sundogsoftware.spark.MinTemperatures$，值： com.sundogsoftware.spark.MinTemperatures$@41fed14f) - 数组元素（索引：0） - 数组（类 [Ljava.lang.Object;，大小 1） - 字段（类：java.lang.invoke.SerializedLambda，名称：capturedArgs，类型：类 [Ljava.lang.Object;） - 对象（类 java.lang.invoke.SerializedLambda，SerializedLambda[capturingClass=class com.sundogsoftware.spark.MinTemperatures$, functionInterfaceMethod=scala/Function1.apply:(Ljava/lang/Object;)Ljava/lang/Object;, 实现=调用静态 com/sundogsoftware/spark/MinTemperatures$.$anonfun$main$1:(Lcom/sundogsoftware/spark/MinTemperatures$;Ljava/lang/String;)Lscala/Tuple3;, instantiatedMethodType=(Ljava/lang/String;)Lscala/Tuple3;, numCaptured=1]) - writeReplace 数据（类：java.lang.invoke.SerializedLambda）

但是当我使用匿名函数运行相同的代码时，它运行成功：

package com.sundogsoftware.spark

import org.apache.spark._
import org.apache.spark.SparkContext._
import org.apache.log4j._
import scala.math.min

/** Find the minimum temperature by weather station */
object MinTemperatures {

  /** Our main function where the action happens */
  def main(args: Array[String]) {

    // Set the log level to only print errors
    Logger.getLogger("org").setLevel(Level.ERROR)

    // Create a SparkContext using every core of the local machine
    val sc = new SparkContext("local[*]", "MinTemperatures")

    // Read each line of input data
    val lines = sc.textFile("../DataSet/1800.csv")

    // Convert to (stationID, entryType, temperature) tuples
    val parsedLines = lines.map(x => {
      val fields = x.split(",");
      val stationID = fields(0);
      val entryType = fields(2);
      val temperature = fields(3).toFloat * 0.1f * (9.0f / 5.0f) + 32.0f;
      (stationID, entryType, temperature)
    })

    // Filter out all but TMIN entries
    val minTemps = parsedLines.filter(x => x._2 == "TMIN")

    // Convert to (stationID, temperature)
    val stationTemps = minTemps.map(x => (x._1, x._3.toFloat))

    // Reduce by stationID retaining the minimum temperature found
    val minTempsByStation = stationTemps.reduceByKey((x, y) => min(x, y))

    // Collect, format, and print the results
    val results = minTempsByStation.collect()

    for (result <- results.sorted) {
      val station = result._1
      val temp = result._2
      val formattedTemp = f"$temp%.2f F"
      println(s"$station minimum temperature: $formattedTemp")
    }

  }
}

输出：

EZE00100082 minimum temperature: 7.70 F
ITE00100554 minimum temperature: 5.36 F

正如你在上面看到的，当我在 map 中使用 named function (parseLine) 时，它会给出错误，但是当我在 map 中使用 anonymous 函数时，是同一个程序而不是命名函数正在成功运行。

我查看了几个博客，但没有找到错误的原因。 谁能帮我理解这一点？

Answer 1

这个问题似乎与 sbt 或依赖无关，正如我所检查的，当脚本未定义为对象时会发生这种情况（Scala 对象默认可序列化），因此此错误意味着脚本不可序列化。 我创建了一个新对象并粘贴了相同的代码。它奏效了。