Scala Spark，Kryo与ProtoBuf字段的序列化问题

在转换RDD时，运行与protobuf字段序列化相关的spark作业时，我看到一个错误

com.esotericsoftware.kryo.KryoException:java.lang.UnsupportedOperationException 序列化跟踪： 其他作者（com.thomsonreuters.kraken.medusa.dbor.proto.Book$DBBooks）

错误似乎是在这一点上创建的：

val booksPerTier: Iterable[(TimeTier, RDD[DBBooks])] = allTiers.map {
      tier => (tier, books.filter(b => isInTier(endOfInterval, tier, b) &&     !isBookPublished(o)).mapPartitions( it =>
      it.map{ord =>
        (ord.getAuthor, ord.getPublisherName, getGenre(ord.getSourceCountry))}))
}

val averagesPerAuthor = booksPerTier.flatMap { case (tier, opt) =>
  opt.map(o => (tier, o._1, PublisherCompanyComparison, o._3)).countByValue()
}

val averagesPerPublisher = booksPerTier.flatMap { case (tier, opt) =>
  opt.map(o => (tier, o._1, PublisherComparison(o._2), o._3)).countByValue()
}

该字段是protobuf中指定的列表，如下所示：

otherAuthors_ = java.util.Collections.emptyList()

正如您所见，代码实际上并未使用Protobuf一书中的字段，尽管它仍在通过网络传输

---

有人对此有什么建议吗？

好吧，这是一个老问题，但这是给子孙后代的答案。默认的kryo序列化程序不能很好地处理某些集合。有一个第三方库可以提供帮助：

在您的情况下，您可能需要在创建spark配置时提供自定义kryo注册器：

val conf = new SparkConf()
conf.set("spark.kryo.registrator", "MyKryoRegistrator")

在您的注册器中使用所需的自定义注册：

class MyKryoRegistrator extends KryoRegistrator {
    override def registerClasses(kryo: Kryo) {
        kryo.register( Collections.EMPTY_LIST.getClass(), new CollectionsEmptyListSerializer() );
        // Probably should use proto serializer for your proto classes
        kryo.register( Book.class, new ProtobufSerializer() );
    } 
}