共享变量
默认情况下,如果在一个算子的函数中使用到了某个外部的变量(比如在driver创建的),那么这个变量的值会被拷贝到每个task中。此时每个task只能操作自己的那份变量副本。如果多个task想要共享某个变量,那么这种方式是做不到的。(如图)
Spark为此提供了两种共享变量,一种是Broadcast Variable(广播变量),另一种是Accumulator(累加变量)。Broadcast Variable会将使用到的变量,仅仅为每个节点拷贝一份,更大的用处是优化性能,减少网络传输以及内存消耗。Accumulator则可以让多个task共同操作一份变量,主要可以进行累加操作。
Broadcast Variable
Spark提供的Broadcast Variable,是只读的。并且在每个节点上只会有一份副本,而不会为每个task都拷贝一份副本。因此其最大作用,就是减少变量到各个节点的网络传输消耗,以及在各个节点上的内存消耗。此外,spark自己内部也使用了高效的广播算法来减少网络消耗。
可以通过调用SparkContext的broadcast()方法,来针对某个变量创建广播变量。然后在算子的函数内,使用到广播变量时,每个节点只会拷贝一份副本了。每个节点可以使用广播变量的value()方法获取值。记住,广播变量,是只读的。
java写
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.broadcast.Broadcast;
import java.util.Arrays;
import java.util.List;
/**
* 广播变量
*/
public class BroadcastVarible {
public static void main(String[] args) {
SparkConf conf = new SparkConf()
.setMaster("local")
.setAppName("BroadcastVarible");
JavaSparkContext sc = new JavaSparkContext(conf);
int factor = 3;
Broadcast<Integer> broadcast = sc.broadcast(factor);
List<Integer> integers = Arrays.asList(12, 3, 56, 78, 5);
JavaRDD<Integer> parallelize = sc.parallelize(integers);
JavaRDD<Integer> map = parallelize.map(new Function<Integer, Integer>() {
@Override
public Integer call(Integer integer) throws Exception {
Integer value = broadcast.value();
return integer * value;
}
});
map.foreach(new VoidFunction<Integer>() {
@Override
public void call(Integer integer) throws Exception {
System.out.println(integer);
}
});
//结果:
// 36
//9
//168
//234
//15
}
}
scala写
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
object BroadcastVaribleaa {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setAppName("BroadcastVarible")
.setMaster("local")
val sc = new SparkContext(conf)
val factor = 3
val factorBroadcast = sc.broadcast(factor)
val arr: Array[Int] = Array(1,2,3,4,5)
val rdd: RDD[Int] = sc.parallelize(arr)
val multipeRDD: RDD[Int] = rdd.map(num => num * factorBroadcast.value)
multipeRDD.foreach(num => println(num))
//结果
//3
//6
//9
//12
//15
}
}
Accumulator
Spark提供的Accumulator,主要用于多个节点对一个变量进行共享性的操作。Accumulator只提供了累加的功能。但是确给我们提供了多个task对一个变量并行操作的功能。但是task只能对Accumulator进行累加操作,不能读取它的值。只有Driver程序可以读取Accumulator的值。
java写
import org.apache.spark.Accumulator;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.VoidFunction;
import java.util.Arrays;
import java.util.List;
public class Accumulatoraa {
public static void main(String[] args) {
SparkConf conf = new SparkConf()
.setAppName("Accumulatoraa")
.setMaster("local");
JavaSparkContext sc = new JavaSparkContext(conf);
// 创建Accumulator变量
// 需要调用SparkContext的accumulator()方法
Accumulator<Integer> accumulator = sc.accumulator(100);
Accumulator<Integer> accumulator1 =sc.accumulator(10);
List<Integer> integers = Arrays.asList(1, 2, 3, 4, 5);
JavaRDD<Integer> javaRDD = sc.parallelize(integers);
javaRDD.foreach(new VoidFunction<Integer>() {
@Override
public void call(Integer integer) throws Exception {
accumulator.add(integer);
accumulator1.add(integer);
}
});
//System.out.println(accumulator.value()+":"+accumulator.id()+":"+accumulator1.id()+":"+accumulator1.value());
//结果:115:1:2:25
accumulator.setValue(10);
System.out.println(accumulator.value()+":"+accumulator.id()+":"+accumulator1.id()+":"+accumulator1.value());
// 10:1:2:25
//说明:可以用setValue方法 将上面操作的值进行修改。
}
}
scala写
import org.apache.spark.rdd.RDD
import org.apache.spark.{Accumulator, SparkConf, SparkContext}
object AccumulatorDemo {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setMaster("local")
.setAppName("AccumulatorDemo")
val sc: SparkContext = new SparkContext(conf)
val sumAccumultor: Accumulator[Int] = sc.accumulator(3)
val array = Array(1,2,3,4,5)
val rdd: RDD[Int] = sc.parallelize(array)
rdd.foreach(num => sumAccumultor += num)
println(sumAccumultor.value)
//结果:18
}
}