scala - RDD 的 foreachPartition 方法内的意外行为

Question

我通过 spark-shell 评估了以下几行 scala 代码:

val a = sc.parallelize(Array(1,2,3,4,5,6,7,8,9,10))
val b = a.coalesce(1)
b.foreachPartition { p => 
  p.map(_ + 1).foreach(println)
  p.map(_ * 2).foreach(println)
}

输出如下:

2
3
4
5
6
7
8
9
10
11

为什么分区 p 在第一次映射后变空了？

Answer 1

它对我来说并不奇怪，因为 p 是 Iterator，当你用 map 遍历它时，它没有更多的值，并考虑到 length 是 size 的快捷方式，它是这样实现的:

def size: Int = {
  var result = 0
  for (x <- self) result += 1
  result
}

你得到 0。