如何在Spark中获取地图任务的ID？

Question

有没有办法在Spark中获取地图任务的ID？例如,如果每个map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map任务的ID？

Answer 1

我不确定你的地图任务ID是什么意思,但你可以使用TaskContext以下方法访问任务信息:

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(SPARK-18576)中的PySpark添加了类似的功能:

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)