在Java Spark中迭代大型数据集的最快,有效方法

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了在Java Spark中迭代大型数据集的最快,有效方法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1032字，纯文字阅读大概需要2分钟。

内容图文

我正在使用以下方法将Spark数据集转换为哈希映射列表,
我的最终目标是建立json对象列表或hashmaps列表
我在320万行上运行此代码

List<HashMap> finalJsonMap = new ArrayList<HashMap>();
    srcData.foreachPartition(new ForeachPartitionFunction<Row>() {
        public void call(Iterator<Row> t) throws Exception {
            while (t.hasNext()){
                Row eachRow = t.next();
                HashMap rowMap = new HashMap();
                for(int j = 0; j < grpdColNames.size(); j++) {
                    rowMap.put(grpdColNames.get(j), eachRow.getString(j));  
                }
                finalJsonMap.add(rowMap);
            }
        }
    });

迭代工作正常,但是我无法将rowMap添加到finalJsonMap中.

最好的方法是什么？

解决方法:

这实际上不是Spark的工作方式.

放入foreachPartition中的代码是在与原始上下文不同的上下文中执行的

List<HashMap> finalJsonMap = new ArrayList<HashMap>();

在这种设置中,您所能做的就是修改本地副本.

在堆栈溢出中对此进行了多次讨论,并在official documentation in the Understanding Closures部分中进行了详细描述.

考虑到所需的结果(即本地集合),除了将代码转换为使用mapPartitions并进行收集外,您实际上无能为力.但是,这在Spark中几乎不是有效的或惯用的.

我强烈建议您重新考虑当前的设计.

内容总结

以上是互联网集市为您收集整理的在Java Spark中迭代大型数据集的最快,有效方法全部内容，希望文章能够帮你解决在Java Spark中迭代大型数据集的最快,有效方法所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端