代碼如下：

   val data = sc.parallelize(List(("192.168.34.5", "pc", 5, 12)))
   val url = "jdbc:mysql://ip:端口/數據庫?"http:///user=username&password=password”    
   classOf[com.mysql.jdbc.Driver]
    val conn = DriverManager.getConnection(url, user, pwd)
    try {
      conn.setAutoCommit(false)
      val prep = conn.prepareStatement("INSERT INTO info (ip, source, hour, count, ) VALUES (?, ?, ?, ?) ")
      data.map{ case (ip, source, hour, count) => {
        prep.setString(1, ip)
        prep.setString(2, source)
        prep.setInt(3, hour)
        prep.setInt(4, count)
        prep.addBatch()
      }}

      prep.executeBatch()
      conn.commit()
    }
     catch{
      case e:Exception =>e.printStackTrace
    } finally {
      conn.close
    }

解決方案：

data.map{ case (ip, source, hour, count, count_all,...

替換為：

data.collect().foreach{ case (ip, source, hour, count, ...

原因：
prep是一個PrepareStatement對象，這個對象無法序列化，而傳入map中的對象是需要分布式傳送到各個節點上，傳送前先序列化，到達相應機器上后再反序列化，PrepareStatement是個Java類，如果一個java類想(反)序列化，必須實現Serialize接口，PrepareStatement并沒有實現這個接口，對象prep在driver端，collect后的數據也在driver端，就不需prep序列化傳到各個節點了。

但這樣其實會有collect的性能問題，解決方案：
使用mappartition在每一個分區內維持一個mysql連接進行插入

 data.foreachPartition{it =>
      val conn = DriverManager.getConnection(url, user, pwd)
      try{
        conn.setAutoCommit(false)
        val prep = conn.prepareStatement("INSERT INTO reg_ip_info (ip, source, hour, count) VALUES ( ?,?, ?, ?) ")
        it.foreach{ case (ip, source, hour, count) => {
          prep.setString(1, ip)
          prep.setString(2, source)
          prep.setInt(3, hour)
          prep.setInt(4, count)
          //        prep.setTimestamp(4, new Timestamp(System.currentTimeMillis()))          
          prep.addBatch()
          }
        }
          prep.executeBatch()
          conn.commit()
        }
      catch{
        case e:Exception =>e.printStackTrace
      } finally {
        conn.close
      }
     }

參考鏈接：https://stackoverflow.com/questions/37462803/prepare-batch-statement-to-store-all-the-rdd-to-mysql-generated-from-spark-strea
ps:
mappartition函數和map函數類似，只不過映射函數的參數由RDD中的每一個元素變成了RDD中每一個分區的迭代器。如果在映射的過程中需要頻繁創建額外的對象，使用mapPartitions要比map高效的過。比如，將RDD中的所有數據通過JDBC連接寫入數據庫，如果使用map函數，可能要為每一個元素都創建一個connection，這樣開銷很大，如果使用mapPartitions，那么只需要針對每一個分區建立一個connection。