如何在 Spark 中获取地图任务的 ID? [英] How to get ID of a map task in Spark?

问题描述

有没有办法在 Spark 中获取地图任务的 ID?例如，如果每个地图任务调用一个用户定义的函数，我是否可以从该用户定义的函数中获取该地图任务的 ID?

Is there a way to get ID of a map task in Spark? For example if each map task calls a user defined function, can I get the ID of that map task from whithin that user defined function?

推荐答案

我不知道你说的地图任务 ID 是什么意思，但你可以使用 TaskContext 访问任务信息:

I am not sure what you mean by ID of map task but you can access task information using TaskContext:

import org.apache.spark.TaskContext

sc.parallelize(Seq[Int](), 4).mapPartitions(_ => {
    val ctx = TaskContext.get
    val stageId = ctx.stageId
    val partId = ctx.partitionId
    val hostname = java.net.InetAddress.getLocalHost().getHostName()
    Iterator(s"Stage: $stageId, Partition: $partId, Host: $hostname")
}).collect.foreach(println)

Spark 2.2.0 中的 PySpark 中添加了类似的功能(SPARK-18576):

A similar functionality has been added to PySpark in Spark 2.2.0 (SPARK-18576):

from pyspark import TaskContext
import socket

def task_info(*_):
    ctx = TaskContext()
    return ["Stage: {0}, Partition: {1}, Host: {2}".format(
        ctx.stageId(), ctx.partitionId(), socket.gethostname())]

for x in sc.parallelize([], 4).mapPartitions(task_info).collect():
    print(x)

这篇关于如何在 Spark 中获取地图任务的 ID?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！