在 Spark 中将数据集应用为广播

Question

我有两个数据集，我需要在尝试注册时将一个数据集（较小的一个）注册为 Broadcast 我能够使用广播功能。

代码如下：

JavaRDD<String> maps = ctx.textFile("C:\Users\sateesh\Desktop\country.txt");
Broadcast<JavaRDD<String>> broadcastVar = ctx.broadcast(maps);
//Broadcast<Map<Integer, String>> broadcastVar = ctx.broadcast(map);
List<Integer> list = new ArrayList<Integer>();
list.add(1);
list.add(2);
list.add(9);
JavaRDD<Integer> listrdd = ctx.parallelize(list);
JavaRDD<Object> mapr = listrdd.map(x -> broadcastVar.value());
System.out.println(mapr.collect());

这里我无法得到broadcastVar.value().get(x)。如果 iregister 任何手动地图作为广播它工作正常，但在文本文件的情况下它不起作用。

Answer 1

为了将任何数据广播到集群，它必须来自驱动程序。所以，collect() 你的 rdd 并广播它。

JavaRDD<String> rdd = ctx.textFile("C:\Users\sateesh\Desktop\country.txt");

Broadcast<List<String>> broadcastVar = ctx.broadcast(rdd.collect());

Please be aware collect() will bring entire rdd to driver it might throw OOM exception. Broadcast is suggested for less sized data.

在 Spark 中将数据集应用为广播

Apply dataset as Broadcast in Spark

java

hadoop

broadcast

apache-spark

spark-dataframe