识别 Apache-Flink 中哪个对象不可序列化

Question

我正在编写一个 Flink 转换器，我有一个自定义对象 Histogram，具有以下属性：

case class Histogram(
  nRows: Int,
  nCols: Int,
  min: Int,
  step: Double,
  private val countMatrix: Array[ArrayBuffer[Double]],
  private val cutMatrixL1: Array[ArrayBuffer[Double]],
  val distribMatrixL1: Array[ArrayBuffer[Map[Int, Double]]],
  private val distribMatrixL2: Array[ArrayBuffer[Map[Int, Double]]],
  private val cutMatrixL2: ArrayBuffer[ArrayBuffer[Double]])
  extends Serializable {
    ???
}

这是我的FitOperation：

implicit val fitOp = new FitOperation[PIDiscretizerTransformer, LabeledVector] {
    override def fit(
                      instance: PIDiscretizerTransformer,
                      fitParameters: ParameterMap,
                      input: DataSet[LabeledVector]): Unit = {

      // get params...

      val metric = input.map { x ⇒
        // (instance, histrogram totalCount)
        (x, Histogram(nAttrs, l1InitialBins, min, instance.step), 1)
      }.reduce { (m1, m2) ⇒
        // Update Layer 1
        val updatedL1 = updateL1(m1._1, m1._2, instance.step, initialElems, alpha, m1._3)

        //         Update Layer 2 if neccesary
        val updatedL2 = if (m1._3 % l2updateExamples == 0) {
          updateL2(m1._1, updatedL1)
        } else updatedL1

        (m2._1, updatedL2, m1._3 + 1)
      }.map(_._2)

      //      instance.metricsOption = Some(metric)
    }
  }

这很好用，但如果我取消注释最后一行：instance.metricsOption = Some(metric) 我会得到一个java.io.NotSerializableException: org.apache.flink.api.scala.DataSet

如何找到我的班级Histogram 中的哪个对象导致了问题？据我所知ArrayBuffer 是可序列化的，Map 也是。虽然我发现了这个 SO 问题：

Map can not be serializable in scala?

上面写着.mapValues 不可序列化，但我没有在任何地方使用.mapValues。

Answer 1

问题是您在MapFunction 中引用了instance.step。 instance 属于 PIDiscretizerTransformer 类型，无法序列化。因此，您需要在 MapFunction 之外计算 step 并将值传递给函数。那么你的程序应该是可序列化的。