# Spark Troubleshooting - Task not serializable问题分析

- URL: https://www.yidoo.xyz/spark-task-not-serializable-analysis
- 作者: 核动力蜗牛
- 发布时间: 2018-08-19
- 更新时间: 2018-08-19
- 分类: Spark技术详解
- 标签: spark

# 问题描述

出现“org.apache.spark.SparkException: Task not serializable”这个错误，一般是因为在 map、filter 等的参数使用了外部的变量，但是这个变量不能序列化。其中最普遍的情形是：当引用了某个类（经常是当前类）的成员函数或变量时，会导致这个类的所有成员（整个类）都需要支持序列化。虽然许多情形下，当前类使用了“extends Serializable”声明支持序列化，但是由于某些字段不支持序列化，仍然会导致整个类序列化时出现问题，最终导致出现 Task 未序列化问题。

# 解决办法与编程建议

这个问题主要是引用了某类的成员变量或函数，并且相应的类没有做好序列化处理导致的。因此解决这个问题无非以下两种方法：

## 不在（或不直接在）map 等闭包内部直接引用某类成员函数或成员变量

- 对于依赖某类成员变量的情形
    如果程序依赖的值相对固定，可取固定的值，或定义在 map、filter 等操作内部，或定义在 scala object 对象中。
    如果依赖值需要程序调用时动态指定（以函数参数形式），则在 map、filter 等操作时，可不直接引用该成员变量，而是根据成员变量的值重新定义一个局部变量，这样 map 等算子就无需引用类的成员变量。

- 对于依赖某类成员函数的情形
    如果函数功能独立，可定义在 scala object 对象中（类似于 Java 中的 static 方法），这样就无需一来特定的类。

## 如果引用了某类的成员函数或变量，则需对相应的类做好序列化处理

首先该类继承 Serializable 接口，然后对于不能序列化的成员变量使用“@transent”标注，告诉编译器不需要序列化。 此外如果可以，可将依赖的变量独立放到一个小的 class 中，让这个 class 支持序列化，这样做可以减少网络传输量，提高效率。

# 参考资料

- https://blog.csdn.net/javastart/article/details/51206715
