Spark广播变量和累加器（附案例）

广播变量：

• 如果使用了广播变量技术，则 Driver 端将共享数据只会发送到每个 Executor 一份。Executor 中的所有 Task 都复用这个对象。
• 如果不用广播变量技术，则 Driver 端默认会将共享数据分发到每个 Task 中，造成网络分发压力大。甚至导致你在进行RDD持久化到内存时，因内存不足而被迫存到磁盘，增加了磁盘IO，严重降低性能。

---

广播变量使用方法（Python实现）：

• 要保证该共享对象是可序列化的。因为跨节点传输的数据都要是可序列化的。

• 在Driver端将共享对象广播到每个Executor：

  #2-定义一个列表，装特殊字符
  list_v=[",", ".", "!", "#", "$", "%"]
  #3-将列表从Driver端广播到各个Executor中
  bc=sc.broadcast(list_v)

• 在Executor中获取：

  list2=bc.value