spark1.x升级到spark2.x以及1.x和2.x的版本兼容

1. spark 1.x 升级到spark 2.x

对于普通的spark来说,变动不大 :

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>() {

            @Override            public Iterable<Tuple2<String, Integer>> call(String str)
                    throws Exception {
                ArrayList<Tuple2<String, Integer>> list = new ArrayList<>();                return list;


            }
        });        return spark1Rdd;
    }

spark2.x

public static JavaRDD<String> workJob(JavaRDD<String> spark2Rdd) {

        JavaPairRDD<String, Integer> testRdd2 = spark2Rdd                .flatMapToPair(new PairFlatMapFunction<String, String, Integer>() {

            @Override            public Iterator<Tuple2<String, Integer>> call(String str)
                    throws Exception {
                ArrayList<Tuple2<String, Integer>> list = new ArrayList<>();                return list.iterator();
            }
        });        return spark2Rdd;
    }

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();

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();
    }

    @Override    public boolean hasNext() 
    {        return myIterable.hasNext();
    }

    @Override    public Object next() 
    {        return myIterable.next();
    }

    @Override    public void remove() 
    {
        myIterable.remove();
    }

    @Override    public Iterator iterator() 
    {        return myIterable;
    }
}

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>() {
            @Override            public MyIterator<String> call(String s) throws Exception {                String[] split = s.split("\\s+");
                MyIterator myIterator = new MyIterator(Arrays.asList(split));
                return myIterator;
            }
});

如上

原文出处