spark1.x和spark2.x兼容Iterable和Iterator问题

1. spark 1.x 升级到spark 2.x

对于普通的spark来说,变动不大 :

举一个最简单的实例:

spark1.x

 1 public static JavaRDD<String> workJob(JavaRDD<String> spark1Rdd) {
 2
 3         JavaPairRDD<String, Integer> testRdd = spark1Rdd
 4                 .flatMapToPair(new PairFlatMapFunction<String, String, Integer>() {
 5
 6             @Override
 7             public Iterable<Tuple2<String, Integer>> call(String str)
 8                     throws Exception {
 9                 ArrayList<Tuple2<String, Integer>> list = new ArrayList<>();
10                 return list;
11
12
13             }
14         });
15
16         return spark1Rdd;
17     }

spark2.x

 1 public static JavaRDD<String> workJob(JavaRDD<String> spark2Rdd) {
 2
 3         JavaPairRDD<String, Integer> testRdd2 = spark2Rdd
 4                 .flatMapToPair(new PairFlatMapFunction<String, String, Integer>() {
 5
 6             @Override
 7             public Iterator<Tuple2<String, Integer>> call(String str)
 8                     throws Exception {
 9                 ArrayList<Tuple2<String, Integer>> list = new ArrayList<>();
10
11
12                 return list.iterator();
13             }
14         });
15
16         return spark2Rdd;
17     }

需要说明的是:

上面的返回的rdd就直接用输入的 RDD显然是不合理的! 只是为了用最简洁的方式介绍代码的转换而已!

 

可以看到 : 区别主要在于

1. spark 1.x中的Iterable对象 变成了 spark2.x中的Iterator对象

2. 相应的,对于返回值为list的RDD,  spark2.x中要返回list.iterator();

 

还是很简单的吧

 

问题在于 : 如果你有几个spark程序要运行在不同的环境下,(有的现场用1.x,有的现场用2.x)

你需要同时维护两种不同版本的spark,是不是耗时又耗力呢?

 

这个时候就需要考虑到 spark版本的兼容性,使你的程序能成功的运行在各种集群环境下

 

2. spark版本的兼容

写一个简单的工具类如下 :

 1 import java.util.Iterator;
 2
 3 public class MyIterator<T> implements Iterator, Iterable
 4 {
 5     private Iterator myIterable;
 6
 7     public MyIterator(Iterable iterable)
 8     {
 9         myIterable = iterable.iterator();
10     }
11
12     @Override
13     public boolean hasNext()
14     {
15         return myIterable.hasNext();
16     }
17
18     @Override
19     public Object next()
20     {
21         return myIterable.next();
22     }
23
24     @Override
25     public void remove()
26     {
27         myIterable.remove();
28     }
29
30     @Override
31     public Iterator iterator()
32     {
33         return myIterable;
34     }

只需要进行如上设计就可以实现版本的兼容了

那么应该如何应用呢?

1  JavaRDD<String> flatMapRDD = lines.flatMap(new FlatMapFunction<String, String>() {
2             @Override
3             public MyIterator<String> call(String s) throws Exception {
4                 String[] split = s.split("\\s+");
5                 MyIterator myIterator = new MyIterator(Arrays.asList(split));
6                 return myIterator;
7             }
8 });

 转载于：https://www.cnblogs.com/huiandong/p/9982516.html