Spark累加器的使用与理解

累加器：分布式共享只写变量。（Executor和Executor之间不能读数据）。

累加器用来把Executor端变量信息聚合到Driver端。在Driver中定义的一个变量，在Executor端的每个task都会得到这个变量的一份新的副本，每个task更新这些副本的值后，传回Driver端进行合并计算。

1）累加器使用
（1）累加器定义（SparkContext.accumulator(initialValue)方法）
LongAccumulator longAccumulator = JavaSparkContext.toSparkContext(sc).longAccumulator();     
（2）累加器添加数据（累加器.add方法）
longAccumulator.add(stringIntegerTuple2._2);
（3）累加器获取数据（累加器.value）
longAccumulator.value()

  // 转换为scala的累加器
        LongAccumulator longAccumulator = JavaSparkContext.toSparkContext(sc).longAccumulator();
        // 在foreach中使用累加器
        tupleRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {
            @Override
            public void call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
                longAccumulator.add(stringIntegerTuple2._2);
                //  不要在executor端获取累加器的值,因为不准确 因此我们说累加器叫分布式共享只写变量
                System.out.println(longAccumulator.value());
            }
        });
        System.out.println(longAccumulator.value());