Spark driver端得到executor返回值的方法

發(fā)布時間：2021-11-12 17:16:14 來源：億速云閱讀：213 作者：柒染欄目：大數(shù)據(jù)

這篇文章將為大家詳細講解有關(guān)Spark driver端得到executor返回值的方法，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關(guān)知識有一定的了解。

有人說spark的代碼不優(yōu)雅，這個浪尖就忍不了了。實際上，說spark代碼不優(yōu)雅的主要是對scala不熟悉，spark代碼我覺得還是很贊的，最值得閱讀的大數(shù)據(jù)框架之一。

今天這篇文章不是為了爭辯Spark 代碼優(yōu)雅與否，主要是講一下理解了spark源碼之后我們能使用的一些小技巧吧。

spark 使用的時候，總有些需求比較另類吧，比如有球友問過這樣一個需求：

浪尖，我想要在driver端獲取executor執(zhí)行task返回的結(jié)果，比如task是個規(guī)則引擎，我想知道每條規(guī)則命中了幾條數(shù)據(jù)，請問這個怎么做呢？

這個是不是很騷氣，也很常見，按理說你輸出之后，在mysql里跑條sql就行了，但是這個往往顯的比較麻煩。而且有時候，在 driver可能還要用到這些數(shù)據(jù)呢？具體該怎么做呢？

大部分的想法估計是collect方法，那么用collect如何實現(xiàn)呢？大家自己可以考慮一下，我只能告訴你不簡單，不如輸出到數(shù)據(jù)庫里，然后driver端寫sql分析一下。

還有一種考慮就是使用自定義累加器。這樣就可以在executor端將結(jié)果累加然后在driver端使用，不過具體實現(xiàn)也是很麻煩。大家也可以自己琢磨一下下～

那么，浪尖就給大家介紹一個比較常用也比較騷的操作吧。

其實，這種操作我們最先想到的應(yīng)該是count函數(shù)，因為他就是將task的返回值返回到driver端，然后進行聚合的。我們可以從idea count函數(shù)點擊進去，可以看到

  def count(): Long = sc.runJob(this, Utils.getIteratorSize _).sum

也即是sparkcontext的runJob方法。

Utils.getIteratorSize _這個方法主要是計算每個iterator的元素個數(shù)，也即是每個分區(qū)的元素個數(shù)，返回值就是元素個數(shù)：

/**   * Counts the number of elements of an iterator using a while loop rather than calling   * [[scala.collection.Iterator#size]] because it uses a for loop, which is slightly slower   * in the current version of Scala.   */  def getIteratorSize[T](iterator: Iterator[T]): Long = {    var count = 0L    while (iterator.hasNext) {      count += 1L      iterator.next()    }    count  }

然后就是runJob返回的是一個數(shù)組，每個數(shù)組的元素就是我們task執(zhí)行函數(shù)的返回值，然后調(diào)用sum就得到我們的統(tǒng)計值了。

那么我們完全可以借助這個思路實現(xiàn)我們開頭的目標(biāo)。浪尖在這里直接上案例了：

import org.apache.spark.{SparkConf, SparkContext, TaskContext}import org.elasticsearch.hadoop.cfg.ConfigurationOptions
object es2sparkRunJob {
  def main(args: Array[String]): Unit = {    val conf = new SparkConf().setMaster("local[*]").setAppName(this.getClass.getCanonicalName)
    conf.set(ConfigurationOptions.ES_NODES, "127.0.0.1")    conf.set(ConfigurationOptions.ES_PORT, "9200")    conf.set(ConfigurationOptions.ES_NODES_WAN_ONLY, "true")    conf.set(ConfigurationOptions.ES_INDEX_AUTO_CREATE, "true")    conf.set(ConfigurationOptions.ES_NODES_DISCOVERY, "false")    conf.set("es.write.rest.error.handlers", "ignoreConflict")    conf.set("es.write.rest.error.handler.ignoreConflict", "com.jointsky.bigdata.handler.IgnoreConflictsHandler")
    val sc = new SparkContext(conf)    import org.elasticsearch.spark._
    val rdd = sc.esJsonRDD("posts").repartition(10)
    rdd.count()    val func = (itr : Iterator[(String,String)]) => {      var count = 0      itr.foreach(each=>{        count += 1      })      (TaskContext.getPartitionId(),count)    }
    val res = sc.runJob(rdd,func)
    res.foreach(println)
    sc.stop()  }}

例子中driver端獲取的就是每個task處理的數(shù)據(jù)量。

關(guān)于Spark driver端得到executor返回值的方法就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。

向AI問一下細節(jié)

Spark driver端得到executor返回值的方法

猜你喜歡

最新資訊

相關(guān)推薦

相關(guān)標(biāo)簽