4
我试图序列化一个PySpark Pipeline
对象,以便以后可以保存和检索它。尝试使用Python pickle库以及PySpark的PickleSerializer
,dumps()
调用本身失败。如何序列化一个pyspark管道对象?
在使用本机pickle
库时提供代码段。
pipeline = Pipeline(stages=[tokenizer, hashingTF, lr])
with open ('myfile', 'wb') as f:
pickle.dump(pipeline,f,2)
with open ('myfile', 'rb') as f:
pipeline1 = pickle.load(f)
提示以下错误:运行时:
py4j.protocol.Py4JError: An error occurred while calling o32.__getnewargs__. Trace:
py4j.Py4JException: Method __getnewargs__([]) does not exist
at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:335)
at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:344)
at py4j.Gateway.invoke(Gateway.java:252)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:209)
at java.lang.Thread.run(Thread.java:785)
是否可以序列化PySpark Pipeline
对象?
这适用于我尝试使用空管道对象 - pickle.dumps(Pipeline(stages = [])),但是当我尝试用阶段腌制Pipeline对象时,它仍然失败。尝试了你提出的方法格式,但是如果我尝试pickle.dumps(make_pipeline()),它仍然会失败并出现相同的错误。 –
我会:)再看看我的代码'pickle.dumps(make_pipeline)'和你的'pickle.dumps(make_pipeline)'。我只腌一个可用于生成管道的对象,而不是管道本身。 – zero323