Apache Spark 2.1:java.lang.UnsupportedOperationException:找不到scala.collection.immutable.Set[String]的编码器
我将Spark 2.1.1与Scala 2.11.6结合使用。我得到以下错误。我没有使用任何case类Apache Spark 2.1:java.lang.UnsupportedOperationException:找不到scala.collection.immutable.Set[String]的编码器,scala,apache-spark,apache-spark-encoders,Scala,Apache Spark,Apache Spark Encoders,我将Spark 2.1.1与Scala 2.11.6结合使用。我得到以下错误。我没有使用任何case类 java.lang.UnsupportedOperationException: No Encoder found for scala.collection.immutable.Set[String] field (class: "scala.collection.immutable.Set", name: "_2") field (class: "scala.Tuple2", name:
java.lang.UnsupportedOperationException: No Encoder found for scala.collection.immutable.Set[String]
field (class: "scala.collection.immutable.Set", name: "_2")
field (class: "scala.Tuple2", name: "_2")
root class: "scala.Tuple2"
代码的以下部分是stacktrace指向的位置
val tweetArrayRDD = nameDF.select("namedEnts", "text", "storylines")
.flatMap {
case Row(namedEnts: Traversable[(String, String)], text: String, storylines: Traversable[String]) =>
Option(namedEnts) match {
case Some(x: Traversable[(String, String)]) =>
//println("In flatMap:" + x + " ~~&~~ " + text + " ~~&~~ " + storylines)
namedEnts.map((_, (text, storylines.toSet)))
case _ => //println("In flatMap: blahhhh")
Traversable()
}
case _ => //println("In flatMap: fooooo")
Traversable()
}
.rdd.aggregateByKey((Set[String](), Set[String]()))((a, b) => (a._1 + b._1, a._2 ++ b._2), (a, b) => (a._1 ++ b._1, a._2 ++ b._2))
.map { (s: ((String, String), (Set[String], Set[String]))) => {
//println("In map: " + s)
(s._1, (s._2._1.toSeq, s._2._2.toSeq))
}}
这里的问题是Spark没有提供现成的
Set
编码器(它为“原语”、seq、数组和其他支持类型的产品提供编码器)
您可以尝试使用为Set[String]
创建自己的编码器(更准确地说,是您正在使用的类型的编码器,Traversable[((String,String),(String,Set[String])]
,其中包含Set[String]
),或您可以通过使用序列而不是集合来解决此问题:
// ...
case Some(x: Traversable[(String, String)]) =>
//println("In flatMap:" + x + " ~~&~~ " + text + " ~~&~~ " + storylines)
namedEnts.map((_, (text, storylines.toSeq.distinct)))
// ...
(我正在使用distinct
来模拟设置
行为;也可以尝试.toSet.toSeq
)
更新:根据您的评论,re Spark 1.6.2-不同之处在于,在1.6.2中,数据集.flatMap
返回一个RDD
,而不是数据集
,因此不需要对您提供的函数返回的结果进行编码;因此,这确实带来了另一个很好的解决方法-您可以通过在flatMap
操作之前显式切换到RDD来轻松模拟此行为:
nameDF.select("namedEnts", "text", "storylines")
.rdd
.flatMap { /*...*/ } // use your function as-is, it can return Set[String]
.aggregateByKey( /*...*/ )
.map( /*...*/ )
谢谢你的回答。我想知道为什么Spark 1.6.2中没有出现这个问题?我知道这与编码器在2.0中是强制性的有关。但是,如果spark 1.6.2可以正常工作,为什么2.0就不能这样呢?