Spark广播变量的作用和使用

广播变量的作用

• 广播变量：分布式只读变量。
• 如果Executor端需要访问Driver端的某个变量，spark会向Executor端每个task都发送一个此变量的副本。如果此变量很大，就会占用大量的Executor节点的内存。
• 利用广播变量，spark只会给一个Executor节点发送一个变量。

广播变量的使用

需求

        一个List和一个RDD实现类似join算子的效果。

object Spark08_Broadcast {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setAppName(this.getClass.getName).setMaster("local[*]")
    val sc = new SparkContext(conf)
    val list1: List[(String, Int)] = List(("a",1),("b",2),("c",2))
    val list2: RDD[(String, Int)] = sc.makeRDD(List(("a",3),("b",4),("c",5)))

    // 启用广播变量
    val broadList: Broadcast[List[(String, Int)]] = sc.broadcast(list1)

    // join两个数据，结构(key,(value1,value2))
    val resRDD: RDD[(String, (Int, Int))] = list2.map {
      case (word, count) => {
        // 定义临时变量，保存相同key对应的value
        var v3 = 0
        // 获取广播变量中的值
        val broadValue: List[(String, Int)] = broadList.value
        for (w <- broadValue) {
          if (w._1 == word) {
            v3 = w._2
          }
        }
        (word, (count, v3))
      }
    }
    resRDD.foreach(println)

    sc.stop()
  }
}