Question

我正在尝试在迭代RDD的元素时向地图添加元素。我没有收到任何错误，但修改没有发生。

直接添加或迭代其他集合都可以正常工作：

scala> val myMap = new collection.mutable.HashMap[String,String]
myMap: scala.collection.mutable.HashMap[String,String] = Map()

scala> myMap("test1")="test1"

scala> myMap
res44: scala.collection.mutable.HashMap[String,String] = Map(test1 -> test1)

scala> List("test2", "test3").foreach(w => myMap(w) = w)

scala> myMap
res46: scala.collection.mutable.HashMap[String,String] = Map(test2 -> test2, test1 -> test1, test3 -> test3)

但是当我尝试从RDD做同样的事情时：

scala> val fromFile = sc.textFile("tests.txt")
...
scala> fromFile.take(3)
...
res48: Array[String] = Array(test4, test5, test6)

scala> fromFile.foreach(w => myMap(w) = w)
scala> myMap
res50: scala.collection.mutable.HashMap[String,String] = Map(test2 -> test2, test1 -> test1, test3 -> test3)

我尝试在foreach之前打印地图内容，以确保变量相同，并且打印正确：

fromFile.foreach(w => println(myMap("test1")))
...
test1
test1
test1
...

我还在foreach代码中打印了地图的修改元素，并将其打印为已修改，但是当操作完成时，地图似乎未经修改。

scala> fromFile.foreach({w => myMap(w) = w; println(myMap(w))})
...
test4
test5
test6
...
scala> myMap
res55: scala.collection.mutable.HashMap[String,String] = Map(test2 -> test2, test1 -> test1, test3 -> test3)

将RDD转换为数组（collect）也可以正常工作：

fromFile.collect.foreach(w => myMap(w) = w)
scala> myMap
res89: scala.collection.mutable.HashMap[String,String] = Map(test2 -> test2, test5 -> test5, test1 -> test1, test4 -> test4, test6 -> test6, test3 -> test3)

这是一个背景问题吗？我是否正在访问正在其他地方修改的数据副本？

Answer 1

在Spark群集（不是单个计算机）上运行时会变得更清晰。 RDD现在分布在几台机器上。当你致电foreach时，你告诉每台机器如何处理它所拥有的RDD。如果你引用任何局部变量（如myMap），它们会被序列化并发送到机器，因此他们可以使用它。但什么都没有回来。因此，myMap的原始副本不受影响。

我认为这回答了你的问题，但显然你正在努力完成某些事情，而你却无法以这种方式实现目标。随意在这里或在单独的问题中解释你想要做什么，我会尽力帮助。

修改Spark RDD foreach中的集合

1 个答案: