找回密码
 立即注册
问题
我想过滤输出 RDD 的元素,其中字段“状态”是不等于“OK”。我从 HDFS 上的一组 CSV 文件创建一个 RDD,然后在尝试映射之前使用过滤器获取所需的结构:
  1. import csv, StringIO   

  2. files = "/hdfs_path/*.csv"

  3. fields = ["time", "status"]

  4. dial = "excel"

  5. default = {'status': 'OK', 'time': '2014-01-01  00:00:00'}

  6. def loadRecord(line, fieldnames, dialect):
  7.     input = StringIO.StringIO(line)
  8.     reader = csv.DictReader(input, fieldnames = fieldnames, dialect = dialect)
  9.     try:
  10.         line = reader.next()
  11.         if line is None:
  12.             return default
  13.         else:
  14.             return line
  15.     except:
  16.         return default

  17. harmonics = sc.textFile(files) \
  18.               .map(lambda x: loadRecord(x, fields, dial)) \
  19.               .filter(lambda x: "OK" not in x['status'])
复制代码

我可以在这个 RDD 上执行其他操作 - 例如另一个地图仅对某些字段等进行操作。但是,当我使用 filter 运行代码时,其中一个任务总是失败,并在 lambda 函数中出现异常:

筛选

我认为这意味着 lambda 收到了一个 'NoneType object is not iterable' ,所以我添加了代码来过滤以避免返回 None 。但是,我仍然遇到同样的错误。它确实适用于一个小样本数据集,但我的实际数据足够大,我不确定如何检测它的哪一部分可能导致问题。

欢迎任何意见!

回答
首先,使用 map(lambda x: loadRecord(x, fields, dial)) 重置 map(lambda x: (x, loadRecord(x, fields, dial))) 的空间 - 这会保留原始记录和解析后的记录.

其次,将 flatMap(test_function) 调用替换为 filter(),定义 test_function 如何测试输入,如果第二个传递的参数为 None(解析的记录),则返回第一个参数。

通过这种方式,您可以获得导致问题的输入行并在本地测试脚本。通常,我会将行 global default 添加为函数的第一行





上一篇:安卓触控震动?
下一篇:Android_System UI设计规则