[英]Apply dataset as Broadcast in Spark
我有两个数据集,尝试注册时我需要注册一个数据集(较小的一个)作为广播,可以使用广播功能。
这是代码:
JavaRDD<String> maps = ctx.textFile("C:\\Users\\sateesh\\Desktop\\country.txt");
Broadcast<JavaRDD<String>> broadcastVar = ctx.broadcast(maps);
//Broadcast<Map<Integer, String>> broadcastVar = ctx.broadcast(map);
List<Integer> list = new ArrayList<Integer>();
list.add(1);
list.add(2);
list.add(9);
JavaRDD<Integer> listrdd = ctx.parallelize(list);
JavaRDD<Object> mapr = listrdd.map(x -> broadcastVar.value());
System.out.println(mapr.collect());
在这里,我无法获取broadcastVar.value().get(x)
。 如果我在广播时注册了任何手动地图,则效果很好,但是在文本文件的情况下,则不起作用。
为了将任何数据广播到群集,它必须来自driver 。 因此,请collect()
并广播您的rdd
。
JavaRDD<String> rdd = ctx.textFile("C:\\Users\\sateesh\\Desktop\\country.txt");
Broadcast<List<String>> broadcastVar = ctx.broadcast(rdd.collect());
请注意
collect()
会将整个rdd
带到驱动程序中,这可能会引发OOM异常。 建议对较小的数据进行广播。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.