[英]How to correctly use modules in rdd.map with pyspark
顧名思義,我正在嘗試創建外部模塊,這些模塊隨后將在一個簡單的rdd.map
函數中導入並調用。 下面的例子:
## main.py ##
myrdd = spark.sparkContext.parallelize([1,2,3,4,5])
spark.sparkContext.addPyFile("myModule.py")
import myModule as mm
myrdd.map(lambda x: mm.Module.test(x)).collect()
## myModule.py ##
class Module():
def test(self,x):
return x * 2
嘗試使用spark提交運行此命令時,出現以下錯誤:
test() missing 1 required positional argument: 'x'
有人可以指出錯誤嗎?
非常感謝你
test()不是類方法,因此不能直接調用Module.test(x)。
而是創建一個Module對象並在其上調用test()方法,如下所示:
myrdd = spark.sparkContext.parallelize([1,2,3,4,5])
spark.sparkContext.addPyFile("myModule.py")
import myModule as mm
myrdd.map(lambda x: mm.Module().test(x)).collect()
[2, 4, 6, 8, 10]
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.