spark分布式算子里面异步处理
算子：Opera（操作）
主要原因是RDD的方法和scala集合对象的方法不一样，scala集合对象的方法都是在同一个节点的内存中完成的；而RDD的方法可以将计算逻辑发送到Execu端（分布式节点）执行的。所以为了区分scala集合的方法和RDD的方法，所以才把RDD的方法叫做算子
RDD方法外部的操作都是在Driver端执行的，而方法的内部的逻辑代码是在Execu端执行的
分区内的数据都是有序的
p
案例说明
为什么会提示没有序列化这个错误？
首先foreach这个算子内部进行了user.age + num操作，而RDD方法的内部逻辑代码是在Exe
cu端执行的，val user = new User()这段代码是在RDD方法的外部，是在Driver端执行的。所以Execu端没有User这个对象，这需要到Driver端去拉去，拉去的过程中需要进行网络传输，而网络传输是不能进行对象的传输，只能进行asccii码的传输，所以User这个类需要序列化操作
下面是图解：
正确代码：
或者把User类变成一个样例类
case class User ( ) { val age : Int = 30 }
样例类会自动生成很多的方法，其中也会自动实现可序列化的接口
比如会自动生成：ap方法、toString方法、equals方法、hashCode方法、copy方法等
1.判断是否存在闭包
2.如果是闭包操作，那么会对数据进行序列化检查
（1）首先什么是闭包？
只要是函数式编程都会有闭包操作
首先闭包是有一个生命周期的概念，一个函数使用了外部的变量，改变这个变量的生命周期，将变量包含到函数的内部，形成闭合的环境，这个环境称之为闭包环境，简称闭包
（2）案例引入
输出为：300
代码解析：
①当代码val funObj = outer()执行完的时候，上面的函数outer()已经执行完结束了，为什么说执行完了，如果没执行完，就不会返回一个结果给funObj
②而Scala的函数本质是Ja中的方法，而Ja中方法结束后那么方法中的局部变量就会弹栈
③所以上面outer()函数结束后局部变量a 就会弹栈，而outer()返回结果是一个函数对象inner，下面就执行了funObj()相当于执行该函数（加了个括号相当于函数调用）
④在val funObj = outer()执行完以后 funObj()刚执行，而inner()函数里用到了 outer()函数中的局部变量a，但是局部变量a 在outer()函数结束后就已经弹栈不存在了，最后运行的时候并没有报错，可以输出300，那这到底是为什么？
原因：
因为这里就涉及到了函数闭包，当一个函数使用了外部的变量，改变这个变量的生命周期，将变量包含到函数的内部，形成闭合的环境，这个环境称之为闭包环境，简称闭包
案例深入：根据第一个案例进行小小改动
代码解析：
scala不是内部或外部命令
因为RDD算子里面传递的函数为匿名函数，RDD算子在引入了外部的变量时，外部的变量user（Driver端）就会传入到foreach算子内部（Execu端），那么就会改变user的生命周期，形成闭包。所以说匿名函数就会用到闭包操作，那么就会有闭包检测功能。从而发现user没有序列化，所以说根本不需要执行foreach中的代码，就会检测出错误，而这个功能称为闭包检测功能
注意：所有的匿名函数都有闭包

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。