1. spark 1.x 升级到spark 2.x
对于普通的spark来说,变动不大 :
1
举一个最简单的实例:spark1.x
public static JavaRDD<String> workJob(JavaRDD<String> spark1Rdd) {JavaPairRDD<String, Integer> testRdd = spark1Rdd.flatMapToPair(new PairFlatMapFunction<String, String, Integer>() {@Overridepublic Iterable<Tuple2<String, Integer>> call(String str)throws Exception {ArrayList<Tuple2<String, Integer>> list = new ArrayList<>();return list;}});return spark1Rdd;}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
spark2.x
public static JavaRDD<String> workJob(JavaRDD<String> spark2Rdd) {JavaPairRDD<String, Integer> testRdd2 = spark2Rdd.flatMapToPair(new PairFlatMapFunction<String, String, Integer>() {@Overridepublic Iterator<Tuple2<String, Integer>> call(String str)throws Exception {ArrayList<Tuple2<String, Integer>> list = new ArrayList<>();return list.iterator();}});return spark2Rdd;}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
需要说明的是:
上面的返回的rdd就直接用输入的 RDD显然是不合理的! 只是为了用最简洁的方式介绍代码的转换而已!可以看到 : 区别主要在于
1. spark 1.x中的Iterable对象 变成了 spark2.x中的Iterator对象
2. 相应的,对于返回值为list的RDD,  spark2.x中要返回list.iterator();
1
2
3
还是很简单的吧问题在于 : 如果你有几个spark程序要运行在不同的环境下,(有的现场用1.x,有的现场用2.x)
你需要同时维护两种不同版本的spark,是不是耗时又耗力呢?这个时候就需要考虑到 spark版本的兼容性,使你的程序能成功的运行在各种集群环境下2. spark版本的兼容
写一个简单的工具类如下 :import java.util.Iterator;public class MyIterator<T> implements Iterator, Iterable
{private Iterator myIterable;public MyIterator(Iterable iterable){myIterable = iterable.iterator();}@Overridepublic boolean hasNext() {return myIterable.hasNext();}@Overridepublic Object next() {return myIterable.next();}@Overridepublic void remove() {myIterable.remove();}@Overridepublic Iterator iterator() {return myIterable;}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
只需要进行如上设计就可以实现版本的兼容了
那么应该如何应用呢?JavaRDD<String> flatMapRDD = lines.flatMap(new FlatMapFunction<String, String>() {@Overridepublic MyIterator<String> call(String s) throws Exception {String[] split = s.split("\\s+");MyIterator myIterator = new MyIterator(Arrays.asList(split));return myIterator;}
});