Question

我有一个像这样定义的火花RDD：

val dataset = CreateRDD(data.filter(someFilter))

我观察到以下内容：

//if filter is defined as function, such as following, 
//then spark will throw spark `task not serialisable exception`
val someFilter = (some) => true
//if filter is defined as method, such as following then everything will be fine
def someFilter(some) => true

为什么？

是的，函数/方法都被定义为测试规范中的成员

Answer 1

问题在于：

val isNegative = (num: Int) => num < 0

仅仅是语法糖：

val isNegative = new Function1[Int, Boolean] {
  def apply(num: Int): Boolean = num < 0
}

Function1是Trait，创建的匿名函数不可序列化。当你有这样的事情时：

object Tests {
  def isNegative(num: Int): Boolean = num < 0
}

现在isNegative是Tests的成员，可以序列化。当你这样称呼时：

val dataset = CreateRDD(data.filter(isNegative))

Spark需要序列化isNegative才能将其发送到每个节点。由于对象是可序列化的，如果它的所有成员都是可序列化的，当你使用def时，它工作正常，但是当你使用val时，Spark会尝试序列化isNegative的值，这是一个不可序列化的匿名函数并失败。

为什么scala方法可序列化而不是函数？

1 个答案: