Question

我在尝试合并并保存RDD时获得了NPE。

代码在本地工作，和在scala shell中的群集上工作，但在将其作为作业提交到群集时会抛出错误。

我尝试使用take（）打印输出以查看rdd是否包含一些空数据，但这会引发相同的错误 - 因为它在shell中正常工作会很痛苦。

我保存到HDFS并在变量中拥有完整的url路径 - 模型在MLLib训练阶段使用此方法保存正常。

任何想法都非常感激！

Scala代码（整体预测功能）：

//Load the Random Forest
val rfModel = RandomForestModel.load(sc, modelPath)

//Make the predictions - Here the label is the unique ID of the point
val rfPreds = labDistVect.map(p => (p.label, rfModel.predict(p.features)))


//Collect and save
println("Done Modelling, now saving preds")
val outP = rfPreds.coalesce(1,true).saveAsTextFile(outPreds)
println("Done Modelling, now saving coords")
val outC = coords.coalesce(1,true).saveAsTextFile(outCoords)

堆栈追踪：

    Exception in thread "main" org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 6.0 failed 4 times, most recent failure: Lost task 0.3 in stage 6.0 (TID 40, XX.XX.XX.XX): java.lang.NullPointerException
    at GeoDistPredict1$$anonfun$38.apply(GeoDist1.scala:340)
    at GeoDistPredict1$$anonfun$38.apply(GeoDist1.scala:340)
    at scala.collection.Iterator$$anon$11.next(Iterator.scala:328)
    at scala.collection.Iterator$$anon$10.next(Iterator.scala:312)
    at scala.collection.Iterator$class.foreach(Iterator.scala:727)
    at scala.collection.AbstractIterator.foreach(Iterator.scala:1157)
    at scala.collection.generic.Growable$class.$plus$plus$eq(Growable.scala:48)

Answer 1

Spark 操作分为延迟转换和操作。

在RDD上调用操作时，会执行RDD上的延迟转换。
因此，当您执行转换时，它只是作为要执行的操作存储。

saveAsTextFile方法是一个动作，同时地图操作是转换。

如果转换步骤存在任何问题，它将在调用转换的操作级别步骤中显示为问题。

因此，您可能在映射操作期间遇到问题，其中某些字段中存在空值，这很可能导致您的NPE问题。

使用saveAsTextFile的Spark NullPointerException

1 个答案: