Question

我在IntelliJ中有以下工作表：

import org.apache.spark.sql.SQLContext
import org.apache.spark.{SparkConf, SparkContext}

/** Lazily instantiated singleton instance of SQLContext */
object SQLContextSingleton {
  @transient  private var instance: SQLContext = _
  def getInstance(sparkContext: SparkContext): SQLContext = {
    if (instance == null) {
      instance = new SQLContext(sparkContext)
    }
    instance
  }
}

val conf = new SparkConf().
  setAppName("Scala Wooksheet").
  setMaster("local[*]")
val sc = new SparkContext(conf)
val sqlContext = new SQLContext(sc)
val df = sqlContext.read.json("/Users/someuser/some.json")
df.show

此代码在REPL中有效，但似乎只是第一次运行（带有其他一些错误）。随后的每一次，错误都是：

16/04/13 11:04:57 WARN SparkContext: Another SparkContext is being constructed (or threw an exception in its constructor).  This may indicate an error, since only one SparkContext may be running in this JVM (see SPARK-2243). The other SparkContext was created at:
org.apache.spark.SparkContext.<init>(SparkContext.scala:82)

如何找到已使用的上下文？

注意：我听到其他人说使用conf.set("spark.driver.allowMultipleContexts","true")，但这似乎是增加内存使用量的解决方案（如未收集的垃圾）。

有更好的方法吗？

Answer 1

我在IntelliJ IDEA（CE 2016.3.4）中尝试使用Spark在Scala工作表中执行代码时遇到了同样的问题。

重复Spark上下文创建的解决方案是在编译器进程中取消选中＆＃39; Run工作表＆＃39;设置中的复选框 - ＆gt;语言和框架 - ＆gt; Scala - ＆gt;工作表。我还测试了其他工作表设置，它们对重复Spark上下文创建的问题没有影响。

我也没有将sc.stop()放在工作表中。但是我必须在conf中设置master和appName参数才能工作。

以下是来自Spark Quick Start

的SimpleApp.scala的代码的Worksheet版本

import org.apache.spark.{SparkConf, SparkContext}

val conf = new SparkConf()
conf.setMaster("local[*]")
conf.setAppName("Simple Application")

val sc = new SparkContext(conf)

val logFile = "/opt/spark-latest/README.md"
val logData = sc.textFile(logFile).cache()
val numAs = logData.filter(line => line.contains("a")).count()
val numBs = logData.filter(line => line.contains("b")).count()

println(s"Lines with a: $numAs, Lines with b: $numBs")

我使用了指南中的相同simple.sbt将依赖项导入IntelliJ IDEA。

以下是使用Spark的功能Scala工作表的屏幕截图：

IntelliJ CE 2017.1更新（REPL模式下的工作表）

在2017.1中，Intellij为Worksheet引入了REPL模式。我用＆＃39;使用REPL＆＃39;测试了相同的代码。选项已选中。要运行此模式，您需要在编译过程中保留＆＃39;运行工作表＆＃39;上面描述的工作表设置中的复选框已选中（默认情况下）。

代码在Worksheet REPL模式下运行良好。

这是截图：

Answer 2

作为detectivebag stated in this git post，您可以通过将工作表切换为仅在“eclipse兼容模式”下运行来解决此问题：

1）打开偏好

2）在语言和框架下选择scala

3）在工作表选项卡下取消选中除“使用”eclipse兼容性“模式”

之外的所有内容

工作表中使用IntelliJ的重复Spark上下文

2 个答案: