Question

是否可以使用SparkSession提供的sparkContext创建广播变量？我在sc.broadcast下不断收到错误，但是在使用org.apache.spark.SparkContext的SparkContext时，在另一个项目中我没有问题。

import org.apache.spark.sql.SparkSession


object MyApp {
 def main(args: Array[String]){
  val spark = SparkSession.builder()
       .appName("My App")
       .master("local[*]")
       .getOrCreate()

  val sc = spark.sparkContext
        .setLogLevel("ERROR")

  val path = "C:\\Boxes\\github-archive\\2015-03-01-0.json"
  val ghLog = spark.read.json(path)


  val pushes = ghLog.filter("type = 'PushEvent'")

  pushes.printSchema()
  println("All events: "+ ghLog.count)
  println("Only pushes: "+pushes.count)
  pushes.show(5)


  val grouped = pushes.groupBy("actor.login").count()
  grouped.show(5)


  val ordered = grouped.orderBy(grouped("count").desc)
  ordered.show(5)

  import scala.io.Source.fromFile
  val fileName= "ghEmployees.txt"
  val employees = Set() ++ ( 
    for { 
      line <- fromFile(fileName).getLines()
    } yield line.trim
    )


  val bcEmployees = sc.broadcast(employees)
 }
}

或者使用Set（）而不是Seq对象是一个问题吗？

感谢您的帮助

编辑：

我不断得到一个＆＃34;无法解析符号广播＆＃34; intellij中的错误消息

遵守后

我收到错误：错误：（47,28）值广播不是Unit的成员 val bcEmployees = sc.broadcast（employees） ^

Answer 1

您的sc变量的类型为Unit，因为根据docs，setLogLevel的回复类型为Unit。这样做：

val sc: SparkContext = spark.sparkContext
sc.setLogLevel("ERROR")

跟踪变量的类型以便及早发现错误非常重要。

使用SparkSession创建广播变量？ Spark 2.0

1 个答案: