Spark中如何获取map任务的ID？

Spark中有没有办法获取map任务的ID？例如，如果每个映射任务都调用用户定义的函数，我可以从该用户定义的函数中获取该映射任务的 ID 吗？

我不确定您所说的地图任务 ID 是什么意思，但您可以使用以下方式访问任务信息TaskContext:

import org.apache.spark.TaskContext

sc.parallelize(Seq[Int](), 4).mapPartitions(_ => {
    val ctx = TaskContext.get
    val stageId = ctx.stageId
    val partId = ctx.partitionId
    val hostname = java.net.InetAddress.getLocalHost().getHostName()
    Iterator(s"Stage: $stageId, Partition: $partId, Host: $hostname")
}).collect.foreach(println)

Spark 2.2.0 中的 PySpark 添加了类似的功能（SPARK-18576 https://issues.apache.org/jira/browse/SPARK-18576):

from pyspark import TaskContext
import socket

def task_info(*_):
    ctx = TaskContext()
    return ["Stage: {0}, Partition: {1}, Host: {2}".format(
        ctx.stageId(), ctx.partitionId(), socket.gethostname())]

for x in sc.parallelize([], 4).mapPartitions(task_info).collect():
    print(x)