使用ProtoBuf字段的Spark,Kryo序列化问题

时间:2016-07-13 07:35:45

标签: scala apache-spark kryo

在转换RDD时运行与protobuf字段序列化有关的spark作业时,我发现错误。

com.esotericsoftware.kryo.KryoException:java.lang.UnsupportedOperationException 序列化跟踪: otherAuthors_(com.thomsonreuters.kraken.medusa.dbor.proto.Book $ DBBooks)

此时似乎已创建错误:

val booksPerTier: Iterable[(TimeTier, RDD[DBBooks])] = allTiers.map {
      tier => (tier, books.filter(b => isInTier(endOfInterval, tier, b) &&     !isBookPublished(o)).mapPartitions( it =>
      it.map{ord =>
        (ord.getAuthor, ord.getPublisherName, getGenre(ord.getSourceCountry))}))
}

val averagesPerAuthor = booksPerTier.flatMap { case (tier, opt) =>
  opt.map(o => (tier, o._1, PublisherCompanyComparison, o._3)).countByValue()
}

val averagesPerPublisher = booksPerTier.flatMap { case (tier, opt) =>
  opt.map(o => (tier, o._1, PublisherComparison(o._2), o._3)).countByValue()
}

该字段是protobuf中指定的列表,如下所示:

otherAuthors_ = java.util.Collections.emptyList()

正如您所看到的,代码实际上没有使用Book Protobuf中的那个字段,尽管它仍在通过网络传输。

有人对此有任何建议吗?

1 个答案:

答案 0 :(得分:1)

好的,老问题,但这里是后代的答案。默认的kryo序列化程序不适用于某些集合。有一个第三方库可以帮助它:kryo-serializers

在您的情况下,您可能需要在创建spark配置时提供自定义kryo registrator:

val conf = new SparkConf()
conf.set("spark.kryo.registrator", "MyKryoRegistrator")

在您的registrator中进行所需的自定义注册:

class MyKryoRegistrator extends KryoRegistrator {
    override def registerClasses(kryo: Kryo) {
        kryo.register( Collections.EMPTY_LIST.getClass(), new CollectionsEmptyListSerializer() );
        // Probably should use proto serializer for your proto classes
        kryo.register( Book.class, new ProtobufSerializer() );
    } 
}