foreachrdd中的case类导致序列化错误

如果我不尝试使用case类,只使用todf()或通过todf(“c1,”c2”)分配列的默认名称,那么可以在foreachrdd内创建df。

一旦我尝试使用一个案例类,并查看了这些例子,我会得到:

Task not serializable

如果我将case类语句转换为:

toDF() not part of RDD[CaseClass]

这是一个遗留问题,但是我很好奇Spark会产生第n个序列化错误,如果它继续进入结构化的流媒体中。

我有一个不需要拆分的RDD,可能是这个问题吗?不,运行数据块?

编码如下:

import org.apache.spark.sql.SparkSession
import org.apache.spark.rdd.RDD
import org.apache.spark.streaming.{Seconds, StreamingContext}
import scala.collection.mutable

case class Person(name: String, age: Int) //extends Serializable // Some say inherently serializable so not required

val spark = SparkSession.builder
    .master("local[4]")
    .config("spark.driver.cores", 2)
    .appName("forEachRDD")
    .getOrCreate()

val sc = spark.sparkContext
val ssc = new StreamingContext(spark.sparkContext, Seconds(1)) 

val rddQueue = new mutable.Queue[RDD[List[(String, Int)]]]()
val QS = ssc.queueStream(rddQueue) 

QS.foreachRDD(q => {
   if(!q.isEmpty) {   
      import spark.implicits._
      val q_flatMap = q.flatMap{x=>x}
      val q_withPerson = q_flatMap.map(field => Person(field._1, field._2))
      val df = q_withPerson.toDF() 
      df.show(false)
   }
 }
)

ssc.start()
for (c <- List(List(("Fred",53), ("John",22), ("Mary",76)), List(("Bob",54), ("Johnny",92), ("Margaret",15)), List(("Alfred",21), ("Patsy",34), ("Sylvester",7)) )) {
 rddQueue += ssc.sparkContext.parallelize(List(c))
} 
ssc.awaitTermination()