一、隐式转换
1) 隐式转换案例
- object ABCDMain extends App {
- class B
- class C {
- override def toString() = "I amC";
- def printC(c: C) = println(c);
- }
- class D
- implicit def B2C(b: B) = {
- println("B2C")
- new C
- }
- implicit def D2C(d: D) = {
- println("D2C")
- new C
- }
- new D().printC(new B)
- }
先调用 D2C转换函数将new D()转换成C类, 然后调用C类的printC方法;但发现传入的参数类型是B类,于是搜索当前范围有无合适的转换函数,发现B2C转换函数符合要求。
2) 隐式操作规则
隐式定义是指编译器为了修正类型错误而允许插入到程序中的定义。例如,如果x + y 不能通过类型检查,那么编译器就可能把它修改为convert(x) + y , 这里的convert实质可用的隐式转换。
例如:scala> val a = 4
a: Int = 4
scala> val b = "3"
b: String = 3
scala> def sum(x: Int, y: Int) = x + y
sum: (x: Int, y: Int)Int
scala> sum(a, b)
<console>:13: error: type mismatch;
found : String
required: Int
sum(a, b)
^
此时类型不匹配,我们添加一个函数:
scala> implicit def str2Int(str: String)= Integer.valueOf(str).toInt
warning: there were 1 feature warning(s);re-run with -feature for details
str2Int: (str: String)Int
再次执行:scala> sum(a, b)
res4: Int = 7
此时b 被转成了我们期待的Int 类型,对于函数sum 来说 convert 就是str2Int,此时如果还有其他的函数也有类型转换的需求就可以简化代码。隐式转换由下面的规则掌控:
a) 标记规则:只有标记为implicit 的定义才是可用的。implicit 关键字用来标记编译器可以用于隐式转换,可以使用它标记任何变量、函数,对象、参数。
Spark源码中的隐式对象:
- implicit val keyConverter =keyWritableFactory.convert
- implicit val valueConverter =valueWritableFactory.convert
- newSequenceFileRDDFunctions(rdd,
- keyWritableFactory.writableClass(kt),valueWritableFactory.writableClass(vt))
- implicit defrddToSequenceFileRDDFunctions[K, V](rdd: RDD[(K, V)])
- (implicit kt: ClassTag[K], vt:ClassTag[V],
- keyWritableFactory:WritableFactory[K],
- valueWritableFactory:WritableFactory[V])
- : SequenceFileRDDFunctions[K,V] = {
- implicit val keyConverter =keyWritableFactory.convert
- implicit val valueConverter= valueWritableFactory.convert
- newSequenceFileRDDFunctions(rdd,
- keyWritableFactory.writableClass(kt),valueWritableFactory.writableClass(vt))
- }
这里创建SequenceFileRDD时使用了隐式的key,value 对象来做转换。
隐式方法:
- implicit def rddToPairRDDFunctions[K, V](rdd: RDD[(K, V)])
- (implicit kt: ClassTag[K], vt: ClassTag[V], ord: Ordering[K] = null):PairRDDFunctions[K, V] = { new PairRDDFunctions(rdd)
- }
RDD的伴生对象中提供的implicit方法。
Word count程序中 sc.textFile(“/usr/local/word.txt”).flatMap(_.split(“\\s+”).map((_,1)).reduceByKey(_+_).collect
就调用了这implicit 方法。
隐式参数:
- def hadoopFile[K, V, F <: InputFormat[K, V]](path: String)
- (implicit km: ClassTag[K], vm: ClassTag[V], fm: ClassTag[F]): RDD[(K, V)] = withScope {
- hadoopFile[K, V, F](path, defaultMinPartitions)
- }
这里我们用sc.textFile读取hadoop上的文件是,hadoopFile 使用隐式参数km,vm保存了输入hadoop输入的key、value类型信息。
b) 作用域规则:插入的隐式转换必须以单一的标示符形式处于作用域中,或者与转换的源或目标类型关联在一起,scala编译器仅仅考虑处于作用域之内的隐式转换。
例如上面的word count程序sc.textFile 方法调用后会产生HadoopRDD 而hadoopRDD中并没有flatMap方法,而hadoopRDD的父类中的RDD的伴生对象object RDD中有flatMap方法此时编译器就会调用。
object RDD中的:
- def flatMap[U: ClassTag](f: T => TraversableOnce[U]): RDD[U] = withScope {
- val cleanF = sc.clean(f)
- new MapPartitionsRDD[U, T](this, (context, pid, iter) => iter.flatMap(cleanF))
- }
方法来创建MapPartitionsRDD,这样每次RDD转换时,编译器都会从object RDD 查找此RDD没有定义的方法来实现关联,这样就不需要在程序中单独引用转换了。
c) 无歧义规则:隐式转换只有不存在其他可以插入的转换前提下才能插入,此时编译器会报错。以之前隐式操作规则 那小节的案例说明:
我们继续定义一个strt 到Int 的转换:
scala> implicit def str2Int2(str: String) =Integer.valueOf(str).toInt
warning: there were 1 feature warning(s);re-run with -feature for details
tr2Int2: (str: String)Int
我们再次调用 sum方法;
sum(a, b)
<console>:17: error: type mismatch;
found : String
required: Int
Note that implicit conversions are notapplicable because they are ambiguous:
both method str2Int of type (str: String)Int
and method str2Int2 of type (str:String)Int
are possible conversion functions fromString to Int
sum(a, b)
^
此时编译器拒绝了我们定义的隐式转换。
d) 命名隐式转换:隐式转换可以任意命名,因为编译器是通过方法的参数信息来推断应该来调用哪个方法,而不是方法的名称。最佳实践:方法名称就能看出此方法是做了是么转换:
- implicit def rddToPairRDDFunctions[K, V](rdd: RDD[(K, V)])
- (implicit kt: ClassTag[K], vt: ClassTag[V], ord: Ordering[K] = null): PairRDDFunctions[K, V] = {
- new PairRDDFunctions(rdd)
- }
此方法名称rddToPairRDDFunctions 表明是将RDD转换成PairRDDFunctions
3) 隐式参数
由运行时上下文实际赋值注入的参数,不需要手动赋值,自动完成。一般到隐式参数类型的伴生对象中去找隐式值。
scala> classLevel(val level : Int)
defined class Level
scala> implicitval lelvel = new Level(9)
lelvel: Level =Level@12028586
scala> deftoWorker(name: String)(implicit level: Level) {println(name + ":" +level.level)}
toWorker: (name:String)(implicit level: Level)Unit
scala>toWorker("wjl")
wjl:9
注意val 本身也被标记为implicit,如果不是的话编译器就不能使用它。Implicit关键字是作用于全体参数列表,而不是单独的参数。
scala> val a = 4
a: Int = 4
scala> implicitval b = "s"
b: String = s
scala> implicitval c = 56
c: Int = 56
scala> defsum(x: Int)(implicit y: Int, z: String) = x + y + z
sum: (x:Int)(implicit y: Int, implicit z: String)String
scala> sum(4)
res4: String = 60s
从REPL的显示我们看到z也被加上了implicit 关键字。
4) 隐式对象
scala> abstract class Template[T] {
| def add(x: T, y: T): T
| }
defined class Template
scala> abstract class SubTemplate[T]extends Template[T] {
| def unit: T
| }
defined class SubTemplate
scala> implicit object StringAdd extendsSubTemplate[String] {
| override def add(x: String, y: String) = x concat y
| override def unit: String = ""
| }
defined module StringAdd
scala> implicitobject IntAdd extends SubTemplate[Int] {
| override def add(x: Int, y: Int) = x + y
| override def unit: Int = 0
| }
defined moduleIntAdd
scala> def sum[T](xs: List[T])(implicit m:SubTemplate[T]): T = {
| if (xs.isEmpty) m.unit
| else m.add(xs.head, sum(xs.tail))}
sum: [T](xs:List[T])(implicit m: SubTemplate[T])T
scala>println(sum(List(1, 2, 3, 4, 5)))
15
scala>println(sum(List("Scala", "Spark", "Kafka")))
ScalaSparkKafka
这里利用了scala的类型推断功能,传入不同的类型调用不同的函数,传入String 类型的List时T 被替换成String ,传入Int类型时T被替换成 Int。
5) 隐式类
scala> objectContext_Helper{
| implicit class FileEnhancer(file : File){
| def read = Source.fromFile(file.getPath).mkString
| }
| implicit class Op(x:Int){
| def addSAP(second: Int) = x + second
| }
| }
defined moduleContext_Helper
scala> importContext_Helper._
importContext_Helper._
scala> println(1.addSAP(2))
3
这里1 没有 addSAP 方法,首先回到RichInt 里面去找,然后到运行的上下文中去找,然后到Context_Helper.中直接调用addSAP方法,这里并没有返回一个对象而是直接调用。原因是这里隐式类Op在构造的时候,传入了1 这个参数,然后调用了Op 对象的addSAP方法。
总结:implicit 1.从当前类的伴生对象中找 2. 把所有的隐式转换放在一个object中,然后导入3.从当前作用域中的隐式转换中找 4 在用到隐式转换的时候定义或者导入。
最佳实践:在伴生对象中定义隐式转换
- object RDD {
- // The following implicit functions were in SparkContext before 1.3 and users had to
- // `import SparkContext._` to enable them. Now we move them here to make the compiler find
- // them automatically. However, we still keep the old functions in SparkContext for backward
- // compatibility and forward to the following functions directly.
- implicit def rddToPairRDDFunctions[K, V](rdd: RDD[(K, V)])
- (implicit kt: ClassTag[K], vt: ClassTag[V], ord: Ordering[K] = null): PairRDDFunctions[K, V] = {
- new PairRDDFunctions(rdd)
- }
- implicit def rddToAsyncRDDActions[T: ClassTag](rdd: RDD[T]): AsyncRDDActions[T] = {
- new AsyncRDDActions(rdd)
- }
- implicit def rddToSequenceFileRDDFunctions[K, V](rdd: RDD[(K, V)])
- (implicit kt: ClassTag[K], vt: ClassTag[V],
- keyWritableFactory: WritableFactory[K],
- valueWritableFactory: WritableFactory[V])
- : SequenceFileRDDFunctions[K, V] = {
- implicit val keyConverter = keyWritableFactory.convert
- implicit val valueConverter = valueWritableFactory.convert
- new SequenceFileRDDFunctions(rdd,
- keyWritableFactory.writableClass(kt), valueWritableFactory.writableClass(vt))
- }
- implicit def rddToOrderedRDDFunctions[K : Ordering : ClassTag, V: ClassTag](rdd: RDD[(K, V)])
- : OrderedRDDFunctions[K, V, (K, V)] = {
- new OrderedRDDFunctions[K, V, (K, V)](rdd)
- }
- implicit def doubleRDDToDoubleRDDFunctions(rdd: RDD[Double]): DoubleRDDFunctions = {
- new DoubleRDDFunctions(rdd)
- }
- implicit def numericRDDToDoubleRDDFunctions[T](rdd: RDD[T])(implicit num: Numeric[T])
- : DoubleRDDFunctions = {
- new DoubleRDDFunctions(rdd.map(x => num.toDouble(x)))
- }
- }
注:本学习笔记来自DT大数据梦工厂