使用saveAsTextFile的Spark NullPointerException

在尝试合并并保存RDD时，我得到了一个N​​PE。

代码在本地工作， 并在scala shell中的集群上工作，但在将其作为作业提交到集群时会引发错误。

我已经尝试使用take（）打印输出以查看rdd是否包含一些空数据，但这会引发相同的错误 – 因为它在shell中正常工作会很痛苦。

我正在保存到HDFS并且在变量中有完整的url路径 – 在MLLib训练阶段，模型可以使用此方法保存。

任何想法非常感谢！

Scala代码（整体预测function）：

//Load the Random Forest val rfModel = RandomForestModel.load(sc, modelPath) //Make the predictions - Here the label is the unique ID of the point val rfPreds = labDistVect.map(p => (p.label, rfModel.predict(p.features))) //Collect and save println("Done Modelling, now saving preds") val outP = rfPreds.coalesce(1,true).saveAsTextFile(outPreds) println("Done Modelling, now saving coords") val outC = coords.coalesce(1,true).saveAsTextFile(outCoords) 

堆栈跟踪：

  Exception in thread "main" org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 6.0 failed 4 times, most recent failure: Lost task 0.3 in stage 6.0 (TID 40, XX.XX.XX.XX): java.lang.NullPointerException at GeoDistPredict1$$anonfun$38.apply(GeoDist1.scala:340) at GeoDistPredict1$$anonfun$38.apply(GeoDist1.scala:340) at scala.collection.Iterator$$anon$11.next(Iterator.scala:328) at scala.collection.Iterator$$anon$10.next(Iterator.scala:312) at scala.collection.Iterator$class.foreach(Iterator.scala:727) at scala.collection.AbstractIterator.foreach(Iterator.scala:1157) at scala.collection.generic.Growable$class.$plus$plus$eq(Growable.scala:48) 

Answer 1

Spark 操作分为延迟转换和动作 。

在RDD上调用操作时，将执行RDD上的延迟转换 。
因此，当您执行转换时，它只是作为要执行的操作存储。

saveAsTextFile方法是一个动作，同时地图操作是转换。

如果转换步骤存在任何问题，它将在调用转换的操作级别步骤中显示为问题。

因此，您可能在映射操作期间遇到问题，其中某些字段中存在空值，这很可能导致您的NPE问题。