sortBy 不是 org.apache.spark.rdd.RDD 的成员

Question

你好~我对SPARK很感兴趣。 我在 spark-shell 中使用下面的代码。

val data = sc.parallelize(Array(Array(1,2,3), Array(2,3,4), Array(1,2,1))
res6: org.apache.spark.rdd.RDD[Array[Int]] = ParallelCollectionRDD[0] at parallelize at <console>:26

data.map(x => (x(d), 1)).reduceByKey((x,y) => x + y).sortBy(_._1)
res9: Array[(Int, Int)] = Array((1,2), (2,1))

它工作。但是，如果我使用 sbt 程序集使用这个命令，它就不起作用了。

错误信息是

[error] 值 sortBy 不是 org.apache.spark.rdd.RDD[(Int, Int)] 的成员

[错误] data.map(x => (x(d), 1)).reduceByKey((x,y) => x + y).sortBy(_._1)

我的 build.sbt 代码是

import AssemblyKeys._

assemblySettings

name := "buc"

version := "0.1"

scalaVersion := "2.10.5"

libraryDependencies += "org.apache.spark" % "spark-mllib_2.10" % "1.0.0" % "provided"

有什么问题吗？

Answer 1

第一个问题是您使用的是spark 1.0.0，如果您阅读文档，您不会在RDD 类中找到任何sortBy 方法。所以，你应该从1.0.x更新到2.0.x。

另一方面，spark-mllib 依赖项用于获取 Spark MLlib 库，这不是您所需要的。您需要获取 spark-core 的依赖项：

libraryDependencies += "org.apache.spark" % "spark-core_2.10" % "2.0.0" % "provided"