1
我已经在我的计算机中运行代码并使用频繁模式挖掘。我使用FP-growth,但是pyspark抛出一个错误,我不知道如何解决它,所以有人可以使用pyspark帮助我吗?FP-growth - 交易中的项目必须是唯一的
首先,我得到
data = sc.textFile(somewhere)
这一步没有错误的数据 然后
transactions = data.map(lambda line: line.strip().split(' '))
接下来是
model = FPGrowth.train(transactions, minSupport=0.2, numPartitions=10)
它抛出一个错误
An error occurred while calling o19.trainFPGrowthModel.:org.apache.spark.SparkException: Job aborted due to stage failure: Task 1 in stage 1.0 failed 1 times, most recent failure: Lost task 1.0 in stage 1.0 (TID 3, localhost): org.apache.spark.SparkException: Items in a transaction must be unique but got WrappedArray(, , A, , Seq, 0xBB20C554Ack, 0xE6A8BA01Win, 0x7D78TcpLen, 20).
我的数据是这样的
transactions.take(1)
[[u'03/07',
u' 10',
u' 22',
u' 04.439824',
u' 139',
u' 1',
u' 1',
u' spp_sdf',
u' SDFCombinationAlert',
u' Classification',
u' SenstiveData',
u' Priority',
u' 2',
u' PROTO',
u' 254',
u' 197.218.177.69',
u' 172.16.113.84']]
是的,我找到了问题的根源,我将确保数据的唯一性,并且非常感谢您。 –
另一个问题,我如何将结果保存到本地文件?我一直尝试saveAsTextFile()和write(),但它返回一个错误,谢谢。 –
使用'model.save'。 – zero323