我知道在Spark结构化流中，滑动窗口是基于事件时间的窗口，它具有窗口大小（以秒为单位）和步长大小（以秒为单位）。

但是后来我遇到了这个：

import org.apache.spark.mllib.rdd.RDDFunctions._sc.parallelize(1 to 100, 10)  .sliding(3)  .map(curSlice => (curSlice.sum / curSlice.size))  .collect()

我不理解这里。没有事件时间，那么sliding方法是做什么的呢？

如果我取消.map行的注释，我会得到这样的结果：

[I@7b3315a5[I@8ed9cf[I@f72203[I@377008df[I@540dbda9[I@22bb5646[I@1be59f28[I@2ce45a7b[I@153d4abb...

使用mllib的sliding方法在简单整数上是做什么的？那些乱码值又是什么意思？

回答：

在sliding的文档中我们可以看到：

通过在父RDD上滑动窗口，按固定大小块分组项目返回一个RDD。排序首先基于分区索引，然后是每个分区内项目的排序。[…]

所以在使用sc.parallelize(1 to 100, 10)的情况下，顺序将是1到100的连续数字。

sliding操作的结果是一个Array。使用print会调用对象的toString方法，但是Array并没有重写这个方法，而是使用Object中定义的方法，即TypeName@hexadecimalHash，参见如何打印我的Java对象而不得到”SomeType@2f92e0f4″？。

你可以使用map(_.toSeq)将数组转换为一个Seq，它会重写toString方法（因此会按预期打印列表）。或者你可以使用map(_.mkString(","))将数组转换为字符串。

使用sliding(3)的结果将是（按此固定顺序）：

1,2,32,3,45,6,7...97,98,99