当 Class 扩展可序列化时，Apache Spark 任务不可序列化

Question

关于 Task not Serializable 我一直有错误。

我做了一个小的 Class 并且它扩展了 Serializable - 我相信当你需要序列化其中的值时就是这样。

class SGD(filePath : String) extends Serializable {

 val rdd = sc.textFile(filePath)
 val mappedRDD = rdd.map(x => x.split(" ")
                    .slice(0,3))
                    .map(y => Rating(y(0).toInt, y(1).toInt, y(2).toDouble))
                    .cache

 val RNG = new Random(1)
 val factorsRDD = mappedRDD(x => (x.user, (x.product, x.rating)))
                 .groupByKey
                 .mapValues(listOfItemsAndRatings => 
                                             Vector(Array.fill(2){RNG.nextDouble}))
}

最后一行总是导致 Task not Serializable 错误。我不明白的是： Class 是可序列化的；并且，Class Random 根据 API 也是可序列化的。那么，我做错了什么？我一直无法让这样的东西工作；因此，我想我的理解是错误的。我一直被告知 Class 必须是可序列化的...好吧，它仍然不起作用！？

Answer 1

scala.util.Random 直到 2.11.0-M2 才可序列化。

很可能您使用的是早期版本的 Scala。

A class 直到它的所有成员也都是可序列化的（或者提供了一些其他机制来序列化它们，例如 transient 或 readObject/writeObject 时才会变成可序列化的。）

当运行在 spark-1.3 中给出示例时，我得到以下堆栈跟踪：

Caused by: java.io.NotSerializableException: scala.util.Random
Serialization stack:
    - object not serializable (class: scala.util.Random, value: scala.util.Random@52bbf03d)
    - field (class: $iwC$$iwC$SGD, name: RNG, type: class scala.util.Random)

修复它的一种方法是在 mapValues 中实例化随机变量：

mapValues(listOfItemsAndRatings => { val RNG = new Random(1)
                   Vector(Array.fill(2)(RNG.nextDouble)) })

当 Class 扩展可序列化时，Apache Spark 任务不可序列化

Apache Spark Task not Serializable when Class exends Serializable

scala

serialization

apache-spark

rdd