1

在 SequenceFile 的支持下，它看起来RDD.take()只是重复读取的最后一个元素。
例如：

val rdd = sc.sequenceFile("records.seq", classOf[LongWritable], classOf[RecordWritable])
val records: Array[(LongWritable, RecordWritable)] = rdd.take(5)
System.out.println(records.map(_._2.toString).mkString("\n"))

输出：

Record(3.1, 2.5)
Record(3.1, 2.5)
Record(3.1, 2.5)
Record(3.1, 2.5)
Record(3.1, 2.5)

即使我知道这些行是独一无二的。

这个问题也存在于sc.binaryRecords().

我意识到这可能与 Hadoop Writable 缓存问题有关，但是是否有解决此问题的计划？有什么变通办法吗？

4

1 回答 1

1

我尝试复制您的问题，是的，当直接对sc.sequenceFile()的结果调用take时，我也看到了类似的行为。但能够找到解决方法：

注意：我解释的是使用 LongWritable 和 Text 而不是 RecordWritable。我不确定 RecordWritable 所需的导入
我的序列文件有：(0,0) (1,1) (2,2) ...

val rdd = sc.sequenceFile("sequencefile.seq", classOf[LongWritable], classOf[Text])
val map = rdd.map(case (k,v) => (k.get(),v.toString()))
map.take(1);
res5: Array[(Long, String)] = Array((0,0))
map.take(5);
res4: Array[(Long, String)] = Array((0,0), (1,1), (2,2), (3,3), (4,4))
于 2015-11-12T01:58:52.867 回答