sortBy不是org.apache.spark.rdd.RDD的成员

Question

您好〜我对SPARK感兴趣。 我在spark-shell中使用以下代码。

val data = sc.parallelize(Array(Array(1,2,3), Array(2,3,4), Array(1,2,1))
res6: org.apache.spark.rdd.RDD[Array[Int]] = ParallelCollectionRDD[0] at parallelize at <console>:26

data.map(x => (x(d), 1)).reduceByKey((x,y) => x + y).sortBy(_._1)
res9: Array[(Int, Int)] = Array((1,2), (2,1))

这行得通。 但是，如果我在sbt汇编中使用此命令，则无法正常工作。

错误消息是

[错误]值sortBy不是org.apache.spark.rdd.RDD [（Int，Int）]的成员

[错误] data.map（x =>（x（d），1））。reduceByKey（（x，y）=> x + y）。 sortBy（_._ 1） <=这是问题。

我的build.sbt代码是

import AssemblyKeys._

assemblySettings

name := "buc"

version := "0.1"

scalaVersion := "2.10.5"

libraryDependencies += "org.apache.spark" % "spark-mllib_2.10" % "1.0.0" % "provided"

有什么问题吗？

Answer 1

第一个问题是您使用的是spark 1.0.0 ，如果您阅读文档，则不会在RDD类中找到任何sortBy方法。 因此，您应该从1.0.x更新到2.0.x

另一方面， spark-mllib依赖关系用于获取Spark MLlib库，这不是您所需要的。 您需要获取spark-core的依赖spark-core ：

libraryDependencies += "org.apache.spark" % "spark-core_2.10" % "2.0.0" % "provided"