造成內存溢出異常太多的地圖鍵我有形式RDD[(Vector[(Int, Byte)], Vector[(Int, Byte)])]
這是一個PairRDD(key,value)
,其中關鍵是Vector[(Int, Byte)]
和價值是Vector[(Int, Byte)]
的RDD 'inRDD'
。火花
對於關鍵字段向量中的每個元素(Int, Byte)
以及值字段向量中的每個元素(Int, Byte)
我想在輸出RDD中獲得一個新的(鍵,值)對作爲(Int, Int), (Byte, Byte)
。
這應該給我一個形式爲RDD[((Int, Int), (Byte, Byte))]
的RDD。
例如,inRDD
內容也能像,
(Vector((3,2)),Vector((4,2))), (Vector((2,3), (3,3)),Vector((3,1))), (Vector((1,3)),Vector((2,1))), (Vector((1,2)),Vector((2,2), (1,2)))
這將成爲
((3,4),(2,2)), ((2,3),(3,1)), ((3,3),(3,1)), ((1,2),(3,1)), ((1,2),(2,2)), ((1,1),(2,2))
我有下面的代碼。
val outRDD = inRDD.flatMap {
case (left, right) =>
for ((ll, li) <- left; (rl, ri) <- right) yield {
(ll,rl) -> (li,ri)
}
}
它適用於向量在inRDD
中時尺寸較小的情況。但是當向量中有很多元素時,我得到了out of memory exception
。增加可用存儲器 的火花只能解決較小的輸入,並且對於更大的輸入又會出現錯誤。 看起來我正試圖在內存中組裝一個巨大的結構。我無法以任何其他方式重寫此代碼。
我已經實施了與java in hadoop
類似的邏輯如下。
for (String fromValue : fromAssetVals) {
fromEntity = fromValue.split(":")[0];
fromAttr = fromValue.split(":")[1];
for (String toValue : toAssetVals) {
toEntity = toValue.split(":")[0];
toAttr = toValue.split(":")[1];
oKey = new Text(fromEntity.trim() + ":" + toEntity.trim());
oValue = new Text(fromAttr + ":" + toAttr);
outputCollector.collect(oKey, oValue);
}
}
但是當我在spark中嘗試類似的東西時,我得到了嵌套的rdd異常。
我該如何有效地使用spark using scala
?
你有沒有嘗試解決這個增加分區的數量? – BlackBear
@BlackBear是的。但是這並沒有幫助。 – CRM