如何将hiveContext作为参数传递给函数spark scala

Question

我在Scala的main()函数中创建了一个hiveContext ，我需要将此hiveContext参数hiveContext给其他函数，这是结构：

object Project {
    def main(name: String): Int = {
      val hiveContext = new org.apache.spark.sql.hive.HiveContext(sc)
      ... 
    } 
    def read (streamId: Int, hc:hiveContext): Array[Byte] = {
    ... 
    } 
    def close (): Unit = {
    ...
    }
 }

但这不起作用。 函数read()在main()内部调用。

任何想法？

Answer 1

我将hiveContext声明为隐式，这对我有用

implicit val sqlContext: HiveContext = new HiveContext(sc)
MyJob.run(conf)

在MyJob中定义：

override def run(config: Config)(implicit sqlContext: SQLContext): Unit = ...

但是，如果您不希望它隐式，则应该相同

val sqlContext: HiveContext = new HiveContext(sc)
MyJob.run(conf)(sqlContext)

override def run(config: Config)(sqlContext: SQLContext): Unit = ...

另外，您读取的函数应接收HiveContext作为参数hc的类型，而不是hiveContext

def read (streamId: Int, hc:HiveContext): Array[Byte] = 

Answer 2

我尝试了几种选择，这最终对我有用。

object SomeName extends App {

val conf = new SparkConf()...
val sc = new SparkContext(conf)

implicit val sqlC = SQLContext.getOrCreate(sc)
getDF1(sqlC)

def getDF1(sqlCo: SQLContext): Unit = {
    val query1 =  SomeQuery here  
    val df1 = sqlCo.read.format("jdbc").options(Map("url" -> dbUrl,"dbtable" -> query1)).load.cache()

 //iterate through df1 and retrieve the 2nd DataFrame based on some values in the Row of the first DataFrame

  df1.foreach(x => {
    getDF2(x.getString(0), x.getDecimal(1).toString, x.getDecimal(3).doubleValue) (sqlCo)
  })     
}

def getDF2(a: String, b: String, c: Double)(implicit sqlCont: SQLContext) :  Unit = {
  val query2 = Somequery

  val sqlcc = SQLContext.getOrCreate(sc)
  //val sqlcc = sqlCont //Did not work for me. Also, omitting (implicit sqlCont: SQLContext) altogether did not work
  val df2 = sqlcc.read.format("jdbc").options(Map("url" -> dbURL, "dbtable" -> query2)).load().cache()
   .
   .
   .
 }
}

注意：在上面的代码中，如果我从getDF2方法签名中省略了（隐式sqlCont：SQLContext）参数，它将无法正常工作。 我尝试了将sqlContext从一种方法传递给另一种方法的其他几种选择，但它总是给我NullPointerException或Task not serializable Excpetion。 好瘦了，它最终以这种方式工作了，我可以从DataFrame1的一行中检索参数，并在加载DataFrame 2时使用这些值。