如何在 Spark 2.4 中加载自定义转换器

Question

我正在尝试在 Spark 2.4.0 中创建一个自定义转换器。保存它工作正常。但是，当我尝试加载它时，出现以下错误：java.lang.NoSuchMethodException: TestTransformer.<init>(java.lang.String)  at java.lang.Class.getConstructor0(Class.java:3082)  at java.lang.Class.getConstructor(Class.java:1825)  at org.apache.spark.ml.util.DefaultParamsReader.load(ReadWrite.scala:496)  at org.apache.spark.ml.util.MLReadable$class.load(ReadWrite.scala:380)  at TestTransformer$.load(<console>:40)  ... 31 elided这向我表明它找不到我的变压器的构造函数，这对我来说真的没有意义。MCVE：import org.apache.spark.sql.{Dataset, DataFrame}import org.apache.spark.sql.types.{StructType}import org.apache.spark.ml.Transformerimport org.apache.spark.ml.param.ParamMapimport org.apache.spark.ml.util.{DefaultParamsReadable, DefaultParamsWritable, Identifiable}class TestTransformer(override val uid: String) extends Transformer with DefaultParamsWritable{    def this() = this(Identifiable.randomUID("TestTransformer"))    override def transform(df: Dataset[_]): DataFrame = {        val columns = df.columns        df.select(columns.head, columns.tail: _*)    }    override def transformSchema(schema: StructType): StructType = {        schema    }    override def copy(extra: ParamMap): TestTransformer = defaultCopy[TestTransformer](extra)}object TestTransformer extends DefaultParamsReadable[TestTransformer]{    override def load(path: String): TestTransformer = super.load(path)}val transformer = new TestTransformer("test")transformer.write.overwrite().save("test_transformer")TestTransformer.load("test_transformer")运行这个（我使用的是 Jupyter notebook）会导致上述错误。我尝试将其编译为 .jar 文件并将其运行，没有任何区别。如何制作可以保存和加载的自定义 Spark 转换器？

Answer 1

我可以在 spark-shell 中重现您的问题。

试图找到我调查的问题的根源DefaultParamsReadable和DefaultParamsReader来源，我可以看到他们利用 Java 反射。

https://github.com/apache/spark/blob/v2.4.0/mllib/src/main/scala/org/apache/spark/ml/util/ReadWrite.scala

第 495-496 行

val instance =
    cls.getConstructor(classOf[String]).newInstance(metadata.uid).asInstanceOf[Params]

我认为 scala REPL 和 Java 反射不是好朋友。

如果您运行此代码段（在您的代码之后）：

new TestTransformer().getClass.getConstructors

你会得到以下输出：

res1: Array[java.lang.reflect.Constructor[_]] = Array(public TestTransformer($iw), public TestTransformer($iw,java.lang.String))

是真的！TestTransformer.<init>(java.lang.String)不存在。

我找到了2个解决方法，

1. 用 sbt 编译你的代码并创建一个 jar，然后包含在 spark-shell 中:require，对我有用（你提到你尝试了一个 jar，但我不知道如何）

2. 将代码粘贴到 spark-shell 中:paste -raw，效果也很好。我想-raw可以防止 REPL 对您的课程进行恶作剧。请参阅：https ://docs.scala-lang.org/overviews/repl/overview.html

我不确定如何将其中的任何一个调整到 Jupyter，但我希望这些信息对你有用。

注意：我实际上在 spark 2.4.1 中使用了 spark-shell