RDDを作成する：余りにも多くのフィールド=> RDDのユースケースクラス

Question

私は、異なる監視下の機械学習技術をテストするために使用したいというラベルの入った侵入のデータセットを持っています。だからここ

は私のコードの一部です：

object parser_dataset { 

    val conf = new SparkConf() 
     .setMaster("local[2]") 
     .setAppName("kdd") 
     .set("spark.executor.memory", "8g") 
     conf.registerKryoClasses(Array(
     classOf[Array[Any]], 
     classOf[Array[scala.Tuple3[Int, Int, Int]]], 
     classOf[String], 
     classOf[Any] 
    )) 
    val context = new SparkContext(conf) 

    def load(file: String): RDD[(Int, String, String,String,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Int,Double,Double,Double,Double,Double,Double,Double, Int, Int,Double, Double, Double, Double, Double, Double, Double, Double, String)] = { 

     val data = context.textFile(file) 

     val res = data.map(x => { 

      val s = x.split(",") 
     (s(0).toInt, s(1), s(2), s(3), s(4).toInt, s(5).toInt, s(6).toInt, s(7).toInt, s(8).toInt, s(9).toInt, s(10).toInt, s(11).toInt, s(12).toInt, s(13).toInt, s(14).toInt, s(15).toInt, s(16).toInt, s(17).toInt, s(18).toInt, s(19).toInt, s(20).toInt, s(21).toInt, s(22).toInt, s(23).toInt, s(24).toDouble, s(25).toDouble, s(26).toDouble, s(27).toDouble, s(28).toDouble, s(29).toDouble, s(30).toDouble, s(31).toInt, s(32).toInt, s(33).toDouble, s(34).toDouble, s(35).toDouble, s(36).toDouble, s(37).toDouble, s(38).toDouble, s(39).toDouble, s(40).toDouble, s(41))  
     }) 
     .persist(StorageLevel.MEMORY_AND_DISK) 
    return res 
    } 


    def main(args: Array[String]) { 
    val data = this.load("/home/hvfd8529/Datasets/KDDCup99/kddcup.data_10_percent_corrected") 

    data1.collect.foreach(println) 
    data.distinct() 

    } 

}

これは私のコードではありません、それが私に与えられたと私はいくつかの部分（特にRDDと分割部）に変更されました

：だから私はこのように、私のロード機能上ケースクラスを追加 ：と 私はスカラ座で初心者だと :)

EDITスパーク

case class BasicFeatures(duration:Int, protocol_type:String, service:String, flag:String, src_bytes:Int, dst_bytes:Int, land:Int, wrong_fragment:Int, urgent:Int) 

case class ContentFeatures(hot:Int, num_failed_logins:Int, logged_in:Int, num_compromised:Int, root_shell:Int, su_attempted:Int, num_root:Int, num_file_creations:Int, num_shells:Int, num_access_files:Int, num_outbound_cmds:Int, is_host_login:Int, is_guest_login:Int) 

case class TrafficFeatures(count:Int, srv_count:Int, serror_rate:Double, srv_error_rate:Double, rerror_rate:Double, srv_rerror_rate:Double, same_srv_rate:Double, diff_srv_rate:Double, srv_diff_host_rate:Double, dst_host_count:Int, dst_host_srv_count:Int, dst_host_same_srv_rate:Double, dst_host_diff_srv_rate:Double, dst_host_same_src_port_rate:Double, dst_host_srv_diff_host_rate:Double, dst_host_serror_rate:Double, dst_host_srv_serror_rate:Double, dst_host_rerror_rate:Double, dst_host_srv_rerror_rate:Double, attack_type:String) 

しかし、今私は混乱しています.1つのフィーチャ= 1つのフィールドを持つためにはまだRDDが必要なので、どうすれば問題を解決できますか。 ここでは、

0,tcp,ftp_data,SF,491,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,2,0.00,0.00,0.00,0.00,1.00,0.00,0.00,150,25,0.17,0.03,0.17,0.00,0.00,0.00,0.05,0.00,normal,20 

Answer 1

スカラでサポートされる最大タプルサイズは22です.Scala関数の制限は22です。パラメータ。したがって、あなたは22以上のサイズのタプルを作成することはできません。