Scala 找到flatMap编译错误：TraversableOnce[String]必需：TraversableOnce[String]

编辑#2：这可能与内存有关。日志显示在堆外

是的，肯定与内存有关。基本上docker日志会报告所有 从java中输出堆外数据，但jupyter web笔记本不会将其传递给用户。相反，用户会遇到内核故障和偶尔的奇怪行为，比如代码编译不正确

---

Spark 1.6，特别是

docker run-d。。。。jupyter/all spark笔记本电脑

希望在约100万笔交易的文件中统计帐户

这很简单，可以不用spark完成，但我在尝试spark scala时遇到了一个奇怪的错误

输入数据类型为

RDD[EthertTrans]

，其中

EthertTrans

是一个自定义类型，包含一个事务：时间戳、往来账户以及以太中的事务值

class etherTrans(ts_in:Long, afrom_in:String, ato_in:String, ether_in: Float) extends Serializable { var ts: Long = ts_in var afrom: String = afrom_in var ato: String = ato_in var ether: Float = ether_in override def toString():String = ts.toString+","+afrom+","+ato+","+ether.toString } 下一个函数解析为ok并以这种方式编写，因为以前的尝试抱怨

数组[String]

或

列表[String]

和

可遍历一次[？]

之间的类型不匹配：

def arrow（e:etherTrans）：TraversableOnce[String]=数组（e.afrom，e.ato）

但是，将此函数与flatMap一起使用以获取所有帐户的RDD[String]失败

val accts:RDD[String] = data.flatMap(arrow) Name: Compile Error Message: :38: error: type mismatch; found : etherTrans(in class $iwC)(in class $iwC)(in class $iwC)(in class $iwC) => TraversableOnce[String] required: etherTrans(in class $iwC)(in class $iwC)(in class $iwC)(in class $iwC) => TraversableOnce[String] val accts:RDD[String] = data.flatMap(arrow) ^ StackTrace:

---

在terminal spark shell 1.6.0/spark 2.10.5中为他工作，Scala 2.11.7和spark 1.5.2也可以工作。

我认为您应该切换到用例类，它应该可以正常工作。使用“常规”类，序列化它们时可能会出现奇怪的大小写问题，而且看起来您需要的只是值对象，所以大小写类看起来更适合您的用例

例如：

case class EtherTrans(ts: Long, afrom: String, ato: String, ether: Float)

val source = sc.parallelize(Array(
    (1L, "from1", "to1", 1.234F),
    (2L, "from2", "to2", 3.456F)
))

val data = source.as[EtherTrans]

val data = source.map { l => EtherTrans(l._1, l._2, l._3, l._4) }

def arrow(e: EtherTrans) = Array(e.afrom, e.ato)

data.map(arrow).take(5)
/*
res3: Array[Array[String]] = Array(Array(from1, to1), Array(from2, to2))
*/

data.map(arrow).take(5)
// res3: Array[Array[String]] = Array(Array(from1, to1), Array(from2, to2))

如果需要，您可以创建一些方法/对象来生成案例类。 如果您的逻辑实际上不需要“toString”方法，而只需要“presentation”方法，请将其排除在case类之外：在存储If或显示之前，您始终可以使用映射操作添加它

此外，如果您使用的是Spark 1.6.0或更高版本，则可以尝试使用DataSet API，大致如下所示：

val data = sqlContext.read.text("your_file").as[EtherTrans]

---

对我来说很好。你测试过这个笔记本吗？没有。让我看看docker容器中是否有一个火花壳…@zero323 docker容器中有一个火花壳，但我从中得到一些奇怪的内存问题，只是读取文本数据。你是如何测试这个的？您是在spark shell中测试编译问题还是使用编译器测试编译问题？如果您正在运行它，您是在对我转储的数据调用sc.parallelize，还是其他什么？当然，您不必运行它来测试编译，只需在spark shell中运行即可。类似这样的东西：

val-rdd=sc.parallelize（Seq（（1L，“foo”，“bar”，1））.map{case（ts，fr，to，et）=>new-etherTrans（ts，fr，to，et）}rdd.flatMap（箭头）。collect

我认为编译器不会抱怨，但让我检查一下。我怀疑在某种程度上类定义可以重新编译，但不能。

case class EtherTrans(ts: Long, afrom: String, ato: String, ether: Float)

val source = sc.parallelize(Array(
    (1L, "from1", "to1", 1.234F),
    (2L, "from2", "to2", 3.456F)
))

val data = source.as[EtherTrans]

val data = source.map { l => EtherTrans(l._1, l._2, l._3, l._4) }

def arrow(e: EtherTrans) = Array(e.afrom, e.ato)

data.map(arrow).take(5)
/*
res3: Array[Array[String]] = Array(Array(from1, to1), Array(from2, to2))
*/

data.map(arrow).take(5)
// res3: Array[Array[String]] = Array(Array(from1, to1), Array(from2, to2))

val data = sqlContext.read.text("your_file").as[EtherTrans]