如何在 flatMap Scala-Spark 中为 breeze 矩阵赋值？

Question

我想用 flatMap 中的数据初始化一个矩阵，这是我的数据：

-4,0,1.0 ### horrible . not-work install dozen scanner umax ofcourse . tech-support everytime call . fresh install work error . crummy product crummy tech-support crummy experience .
2,1,1.0 ### scanner run . grant product run windows . live fact driver windows lose performance . setup program alert support promptly quits . amazon . website product package requirement listing compatible windows .
1,2,1.0 ### conversion kit spare battery total better stick versionand radio blow nimh charger battery . combination operation size nimh battery . motorola kit . rechargable battery available flashlight camera game toy .
-4,3,1.0 ### recieive part autowinder catch keep place sudden break . hold listen music winder wind . extremely frustrated fix pull little hard snap half . flush drain .

这是我的代码：

val spark_context = new SparkContext(conf)
 val data = spark_context.textFile(Input)
 val Gama=DenseMatrix.zeros[Double](4,2)
 var gmmainit = data.flatMap(line => {
   val tuple = line.split("###")
   val ss = tuple(0)
   val re = """^(-?\d+)\s*,\s*(\d+)\s*,\s*(\d+).*$""".r
   val re(n1, n2, n3) = ss // pattern match and extract values

   if (n1.toInt >= 0) {
     Gama(n2.toInt, 0) += 1
   }
   if (n1.toInt < 0) {
     Gama(n2.toInt, 1) += 1
   }
 })

 println(Gama)

但它不会改变 Gama 矩阵，

我如何修改我的代码来解决这个问题？

Answer 1

您不能修改分布式函数中的变量。嗯，你可以，但变量只在那个过程中被修改。请记住，火花是分布式的。因此，您需要 return 一个可以展平的值（我不太了解 DenseMatrix，无法在此处说出确切的需求）。不过，如果它可以关联和交换，您也许可以创建一个自定义累加器来完成此操作。

Answer 2

首先，您的代码甚至无法编译。如果你看一下 flatMap 签名：

flatMap[U](f: T => TraversableOnce[U])

您会看到它从 T 映射到 TraversableOnce[U]。由于 DenseMatrix returns Unit 函数的 update 方法是 String => Unit 类型，而 Unit 不是 TraversableOnce.

此外，正如 Justin 所解释的，每个分区都有自己的闭包中引用的变量的本地副本，并且只有该副本被修改。

解决这个问题的一种方法是这样的：

val gmmainit = data.mapPartitions(iter => {
  val re = """^(-?\d+)\s*,\s*(\d+)\s*,\s*(\d+).*$""".r
  val gama = DenseMatrix.zeros[Double](4,2)
  iter.foreach{
    case re(n1, n2, n3) =>  gama(n2.toInt, if(n1.toInt >= 0) 0 else 1) += 1
    case _ =>
  }
  Iterator(gama)
}).reduce(_ + _)

如何在 flatMap Scala-Spark 中为 breeze 矩阵赋值？

How to assign value into a breeze Matrix in flatMap Scala-Spark?

scala

flatmap

apache-spark