看起来像 RDD.take() 只要在sequencefile的支持下重复读取最后一个元素。
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)尽管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的可写缓存问题有关，但是有计划解决这个问题吗？有什么解决办法吗？
1条答案
按热度按时间4xrmg8kj1#
我尝试复制您的问题，是的，我也看到了类似的行为，当直接调用sc.sequencefile（）的结果时。但却能找到工作：
注意：我解释使用longwritable和text而不是recordwritable。我不确定是否需要导入可写文件
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))