我是Spark编程和scala的新手,我无法理解map和flatMap之间的区别。使用flatMap时,为什么在方法中使用"选项"工作正常
def parseNames(line: String) : Option[(Int,String)] = {
var fields = line.split('"')
if (fields.length >1) {
return Some(fields(0).trim().toInt,fields(1) )
}
else {
return None
}
}
def main(args: Array[String]) {
val sc = new SparkContext("local[*]","DemoHero")
val txt= sc.textFile("../marvel-names1.txt")
val rdd = txt.flatMap(parseNames)
但是没有"选项",就会出现错误:
def parseNames(line: String) : (Int, String) = {
var fields = line.split('"')
(fields(0).trim().toInt,fields(1) )
}
def main(args: Array[String]) {
val sc = new SparkContext("local[*]","DemoHero")
val txt= sc.textFile("../marvel-names1.txt")
val rdd = txt.flatMap(parseNames)
根据我的理解,平面映射使 Rdd 成为字符串/Int Rdd 的集合。我在想,在这种情况下,两者都应该没有任何错误地工作。请让我知道我在哪里犯了错误。
TL;DR:有一个从Option
到Iterable
的隐式转换,这就是为什么你的第一个flatMap
不会失败。
从Option
的继承层次结构来看,根本不清楚为什么RDD的flatMap
期望 返回类型中带有TraversableOnce
的参数将接受返回Option
的函数,因为Option
不扩展TraversableOnce
。
但是,如果打印flatMap
生成的脱糖代码,则会出现以下合成函数定义:
@SerialVersionUID(value = 0) final <synthetic> class anonfun$1 extends scala.runtime.AbstractFunction1 with Serializable {
final def apply(line: String): Iterable = scala.this.Option.option2Iterable(org.example.ClassName.parseNames$1(line));
final <bridge> <artifact> def apply(v1: Object): Object = anonfun$1.this.apply(v1.$asInstanceOf[String]());
def <init>(): <$anon: Function1> = {
anonfun$1.super.<init>();
()
}
}
细节并不那么重要,它是一些需要line: String
并返回Iterable
的东西。 有趣的是Option.option2Iterable
部分。
这是直接在选项上定义的隐式转换, 它悄悄地将选项转换为Iterable
,Iterable
是TraversableOnce
的特例。
这就是编译器如何将option2Iterable
潜入合成Function
定义的方式 在您的方法和flatMap
调用之间进行调解。现在你有一个论点 键入String => Iterable[(Int, String)]
,因此flatMap
可以正常编译。
请注意,如果没有包装方法的合成Function
实例,它将无法工作。如果您像这样声明parseNames
:
def parseNames: String => Option[(Int,String)] = { line =>
这将是一个简单的编译器错误。
你的第二个代码片段不应该编译,幸运的是,它确实没有编译:对不是Traversable
,所以flatMap
不接受parseNames(line: String) : (Int, String)
作为论据。你想在这里使用的是什么map
,因为你想将每个字符串恰好映射到一对(Int, String)
。
flatMap
用于不同的用例:它用于将原始集合中的每个元素转换为 另一个集合,然后将所有生成的集合平展为单个集合,例如,
sc.parallelize(List(1, 2, 3)).flatMap{ x => List(x, x*x, x*x*x) }
将首先为每个x
生成一个TraversableOnce
:
List(1,1,1)
List(2,4,8)
List(3,9,27)
然后将它们全部粘合在一起,以便获得带有条目的RDD
1,1,1,2,4,8,3,9,27
它以相同的方式与Option
一起工作,因为"道德上"它类似于具有 0 到 1 元素的列表,即使它在其继承层次结构中没有明确说明。
"的表述:每当我写(你的代码或其他一些代码)"不应该编译"时,我并不是说我通常希望你的代码中有编译错误。我的意思是,如果代码中存在一些问题,编译器应该尽快生成明确的错误消息。
def parseNames (line: String): Option[(Int,String)] = {
var fields = line.split('"')
if (fields.length > 1) {
Some (fields(0).trim ().toInt, fields(1))
}
else {
None
}
}
(去掉了嘈杂的"返回")
那么,None
什么时候归还?如果 fields.length 不是> 1。如果没有至少 2 个字段(字段 (0) 和字段 (1)),fields(0).trim().toInt
可能会成功,但fields(1)
会失败。
flatMap
需要迭代对象作为被调用函数的返回类型。因为flatMap
会遍历可迭代的每个元素并返回扁平化的每个元素。
在第一个parseNames
函数中,返回Option[(Int, String)]
,它是一个容器,由于使用了隐式函数,它可以像可迭代对象一样运行。所以flatMap
工作了。
但是在你的第二个parseNames
中,返回的Tuple2[Int, String]
不是一个可迭代的。由于Tuple2
无法迭代,但可以使用_1
和_2
获取元素。所以flatMap
向你显示编译错误.
我希望解释清楚。
如果您返回Array
,则第二个parseNames
会起作用
def parseNames(line: String) : Array[(Int, String)] = {
var fields = line.split('"')
Array((fields(0).trim().toInt,fields(1)))
}
或List
为
def parseNames(line: String) : List[(Int, String)] = {
var fields = line.split('"')
List((fields(0).trim().toInt,fields(1)))
}
或Seq
为
def parseNames(line: String) : Seq[(Int, String)] = {
var fields = line.split('"')
Seq((fields(0).trim().toInt,fields(1)))
}
因为它们都是可迭代对象Option
。