Apache Spark：在 GraphX 中保留自定义 class：不可序列化？

Question

我有一篇文章class

case class Article(articleName:String,
                   id:Option[Long],
                    authors: Iterator[Author],
                    keywords: Iterator[String])

（作者是一个class，拥有4个字符串选项）

我想用它创建一个图表。我创建了一个顶点 RDD 和一个边 RDD

val vertices: RDD[(VertexId, Article)] = articles.map(article => (article.id.get , article))

当我创建图表时：

val graph = Graph(vertices, edges)

我收到以下错误（缩写）：

java.io.NotSerializableException: scala.collection.LinearSeqLike$$anon
    at java.io.ObjectOutputStream.writeObject0(ObjectOutputStream.java:1184)
    at java.io.ObjectOutputStream.defaultWriteFields(ObjectOutputStream.java:1548)
    at java.io.ObjectOutputStream.writeSerialData(ObjectOutputStream.java:1509)

我不确定我是否理解为什么我不能做我正在做的事情？

Answer 1

您的 class 不可序列化，因为其中的 LinearSeqLike 不可序列化。运行在 spark 集群节点上的任务必须被序列化才能到达那里。我建议使用 List 或其他一些具体的、可序列化的序列类型，而不是 Iterator.

Apache Spark：在 GraphX 中保留自定义 class：不可序列化？

Apache Spark: Hold Custom class in GraphX: Not Serializable?

serialization

scala

class

apache-spark