我有一个字符串RDD。每行对应各种日志。
我在一个函数中有多个正则表达式,它们匹配/区分 RDD 的行以应用调整后的正则表达式。
我想将这个独特的函数映射到我的 RDD 上,这样它就可以快速处理每一行,并将处理过的每一行存储在另一个全局 rdd 中。
问题是,因为我希望这个任务被并行化,所以我的全局 RDD 必须可以同时访问以添加每个处理过的行。
我想知道是否有其他方法可以做到这一点或任何事情!我正在寻求提高我的火花技能。
例如,这就是我想做的:
我有一个像这样的txt:
错误:哈哈哈 param_error=8 param_err2=https
警告:呼呼呼呼 param_warn = tchu param_warn2 = wifi
例如,我的正则表达式函数会将包含“ERROR”的行与数组匹配 Array("Error","8","https")
另一个正则表达式函数会将包含“WARNING”的行与数组匹配,例如 Array("Warning","tchu","wifi")
最后,我想RDD[Array[String]]
为处理的每一行获取一个。
我如何保持它与 Spark 并行化?
首先,重要的是要了解 Spark 中没有像“全局 RDD”这样的东西,也没有理由需要这样的东西。使用 Spark 时,您应该考虑将一个 RDD 转换为另一个 RDD,而不是更新RDD(这是不可能的 - RDD 是不可变的)。每个这样的转换将由 Spark 分布式(并行)执行。
在这种情况下,如果我正确理解您的要求,您希望将map
每个记录转换为以下结果之一:
Array[String]
,其中第一项是"ERROR"
,或:Array[String]
,其中第一项是"WARNING"
,或:为此,您可以使用map(f)
和collect(f)
方法RDD
:
// Sample data:
val rdd = sc.parallelize(Seq(
"ERROR : Hahhaha param_error=8 param_err2=https",
"WARNING : HUHUHUHUH param_warn=tchu param_warn2=wifi",
"Garbage - not matching anything"
))
// First we can split in " : " to easily identify ERROR vs. WARNING
val splitPrefix = rdd.map(line => line.split(" : "))
// Implement these parsing functions as you see fit;
// The input would be the part following the " : ",
// and the output should be a list of the values (not including the ERROR / WARNING)
def parseError(v: String): List[String] = ??? // example input: "Hahhaha param_error=8 param_err2=https"
def parseWarning(v: String): List[String] = ??? // example input: "HUHUHUHUH param_warn=tchu param_warn2=wifi"
// Now we can use these functions in a pattern-matching function passed to RDD.collect,
// which will transform each value that matches one of the cases, and will filter out
// values that don't match anything
val result: RDD[List[String]] = splitPrefix.collect {
case Array(l @ "ERROR", v) => l :: parseError(v)
case Array(l @ "WARNING", v) => l :: parseWarning(v)
// NOT adding a default case, so records that didn't match will be removed
}
// If you really want Array[String] and not List[String]:
val arraysRdd: RDD[Array[String]] = result.map(_.toArray)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句