Я получаю сообщение об ошибке при запуске flatMap() в списке объектов класса. Он отлично работает для регулярных типов данных python, таких как int, list и т. Д., Но мне грозит ошибка, когда список содержит объекты моего класса. Вот полный код:flatMap over list of custom objects in pyspark
from pyspark import SparkContext
sc = SparkContext("local","WordCountBySparkKeyword")
def func(x):
if x==2:
return [2, 3, 4]
return [1]
rdd = sc.parallelize([2])
rdd = rdd.flatMap(func) # rdd.collect() now has [2, 3, 4]
rdd = rdd.flatMap(func) # rdd.collect() now has [2, 3, 4, 1, 1]
print rdd.collect() # gives expected output
# Class I'm defining
class node(object):
def __init__(self, value):
self.value = value
# Representation, for printing node
def __repr__(self):
return self.value
def foo(x):
if x.value==2:
return [node(2), node(3), node(4)]
return [node(1)]
rdd = sc.parallelize([node(2)])
rdd = rdd.flatMap(foo) #marker 2
print rdd.collect() # rdd.collect should contain nodes with values [2, 3, 4, 1, 1]
Код работает отлично до отметки 1 (прокомментирован в коде). Проблема возникает после маркера 2. Специальное сообщение об ошибке, которое я получаю, это AttributeError: 'module' object has no attribute 'node'
Как устранить эту ошибку?
Я работаю на Ubuntu, работает pyspark 1.4.1