Spark的Kryo序列化注册

Spark的Kryo序列化注册
Spark序列化可以将RDD序列化来减少内存占用。 对于优化网络性能极为重要
1、java序列化：

spark.serializer=org.apache.spark.serializer.JavaSerialization

Spark默认 使用Java自带的ObjectOutputStream 框架来序列化对象，这样任何实现了 java.io.Serializable 接口的对象，都能被序列化。
Java序列化很灵活但性能差速度很慢，同时序列化后占用的字节数也较多。
2、Kryo序列化：

spark.serializer=org.apache.spark.serializer.KryoSerialization

KryoSerialization速度快,产生的结果更为紧凑（通常能提高10倍）。
但Kryo不支持所有实现了java.io.Serializable 接口的类型，它需要你在程序中 register 需要序列化的类型，以得到最佳性能。


在 SparkConf 初始化的时候调用

conf.set(“spark.serializer”, “org.apache.spark.serializer.KryoSerializer”) 

使用 Kryo。这个设置不仅控制各个worker节点之间的混洗数据序列化格式，同时还控制RDD存到磁盘上的序列化格式。
需要在使用时注册需要序列化的类型，建议在对网络敏感的应用场景下使用Kryo。
一个例子：

val sparkConf = new SparkConf()
      /*.setMaster("local")*/
      .setAppName("Test")
      .set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
      /*.set("spark.kryo.registrationRequired", "true")*/
      .registerKryoClasses(Array(
      classOf[Array[String]],
      classOf[util.HashMap[String, String]],
      classOf[util.ArrayList[String]],
	  classOf[MyTest]
    ))

在集群跑的时候把/*.set("spark.kryo.registrationRequired", "true")*/注释掉，否则会报如下错误：

Class is not registered: scala.reflect.ClassTag$$anon$1或者Class is not registered: scala.reflect.ManifestFactory$$anon$9

最后，如果你不注册需要序列化的自定义类型，Kryo也能工作，不过每一个对象实例的序列化结果都会包含一份完整的类名，这很浪费没必要的空间。