Nano Hash - криптовалюты, майнинг, программирование

Правильная сигнатура метода для RichGroupReduceFunction?

Нижеприведенный расширенный класс RichGroupReduceFunction, не компилируется. Подпись вроде бы не соответствует интерфейсу. Я не вижу разницы.

   class SPointReduce extends RichGroupReduceFunction[Int, Int] {
      override def reduce (
                                 values: Iterable[Int],
                                 out: Collector[Int]): Unit = {
        values.foreach {
          value: Int =>
            out.collect(value)
        }
      }
    }

Компилятор сообщает:

Ошибка: (62, 16) метод reduce ничего не отменяет. Примечание: суперклассы класса SPointReduce содержат следующие не конечные члены с именем reduce: def reduce (x $ 1: Iterable [Nothing], x $ 2: org.apache.flink.util.Collector [Nothing]): переопределение модуля def reduce (

29.03.2016

Ответы:


1

Вы должны убедиться, что вы импортируете java.lang.Iterable, когда вы переопределяете reduce метод RichGroupReduceFunction. В противном случае вы получите указанную выше ошибку.

29.03.2016
  • В этом есть смысл. Спасибо. 29.03.2016
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..