当Class应用Serializable时，Apache Spark任务不可序列化

Question

我一直有关于Task not Serializable错误。

我已经创建了一个小类，它扩展了Serializable - 当我需要序列化的值时，我认为这就是我的意思。

class SGD(filePath : String) extends Serializable {

 val rdd = sc.textFile(filePath)
 val mappedRDD = rdd.map(x => x.split(" ")
                    .slice(0,3))
                    .map(y => Rating(y(0).toInt, y(1).toInt, y(2).toDouble))
                    .cache

 val RNG = new Random(1)
 val factorsRDD = mappedRDD(x => (x.user, (x.product, x.rating)))
                 .groupByKey
                 .mapValues(listOfItemsAndRatings => 
                                             Vector(Array.fill(2){RNG.nextDouble}))
}

最后一行总是导致Task not Serializable错误。 我不明白的是：Class是Serializable; 并且，Class Random也是根据API可序列化的。 那么，我做错了什么？ 我一直无法得到这样的东西去工作; 因此，我想我的理解是错误的。 我一直被告知Class必须是Serializable ......好吧它仍然不起作用！？

Answer 1

scala.util.Random直到2.11.0-M2才可序列化。

很可能您使用的是早期版本的Scala。

在所有成员都是Serializable之前，类不会变为Serializable（或者提供一些其他机制来序列化它们，例如transient或readObject/writeObject 。）

在spark-1.3中运行给定示例时，我得到以下stacktrace：

Caused by: java.io.NotSerializableException: scala.util.Random
Serialization stack:
    - object not serializable (class: scala.util.Random, value: scala.util.Random@52bbf03d)
    - field (class: $iwC$$iwC$SGD, name: RNG, type: class scala.util.Random)

解决这个问题的一种方法是在mapValues中对随机变量进行实例化：

mapValues(listOfItemsAndRatings => { val RNG = new Random(1)
                   Vector(Array.fill(2)(RNG.nextDouble)) })