Spark累加器|系统累加器|自定义累加器

累加器

累加器：分布式共享只写变量。（Task和Task之间不能读数据）

累加器用来对信息进行聚合，通常在向Spark传递函数时，比如使用map()函数或者用 filter()传条件时，可以使用驱动器程序中定义的变量，但是集群中运行的每个任务都会得到这些变量的一份新的副本，更新这些副本的值也不会影响驱动器中的对应变量。如果我们想实现所有分片处理时更新共享变量的功能，那么累加器可以实现我们想要的效果。

系统累加器

（1）工作节点上的任务不能相互访问累加器的值。从这些任务的角度来看，累加器是一个只写变量。
（2）对于要在行动操作中使用的累加器，Spark只会把每个任务对各累加器的修改应用一次。因此，如果想要一个无论在失败还是重复计算时都绝对可靠的累加器，我们必须把它放在foreach()这样的行动操作中。转化操作中累加器可能会发生不止一次更新。

自定义累加器

package com.atguigu.accumlator

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.util.AccumulatorV2

import scala.collection.mutable

object Accumlator_define {
  def main(args: Array[String]): Unit = {
    //1.创建SparkConf并设置App名称
    val conf: SparkConf = new SparkConf().setAppName("SparkCoreTest").setMaster("local[1]")

    //2.创建SparkContext，该对象是提交Spark App的入口
    val sc: SparkContext = new SparkContext(conf)
    //3.创建RDD
    val rdd: RDD[String] = sc.makeRDD(List("Hello", "Hea", "Haa", "Hello", "Hello", "Spark", "Spark"))
    // 创建累加器对象
    val myAccumlator = new MyAccumlator
    // 注册累加器到sc
    sc.register(myAccumlator)
    // 使用累加器
    rdd.foreach(
      word => {
        myAccumlator.add(word)
      }
    )
    // 输出累加器的结果
    println(myAccumlator.value) // Map(Hea -> 1, Hello -> 3, Haa -> 1)
    sc.stop()
  }
}
// List("Hello","Haha","Scorpion")，统计以H开头得单词的次数
// 输入：单词  输出：Map[(单词，次数)]
class MyAccumlator extends AccumulatorV2[String,mutable.Map[String,Int]]{
  // 定义一个Map集合，接受返回得数据.var
  var map: mutable.Map[String, Int] = mutable.Map[String,Int]()
  // 判断是否为初始状态
  override def isZero: Boolean = map.isEmpty
  // 拷贝
  override def copy(): AccumulatorV2[String, mutable.Map[String, Int]] = {
    val accumlator = new MyAccumlator
    accumlator.map = this.map
    accumlator
  }
  // 重置,让map变成初始状态
  override def reset(): Unit = map.clear()
  // 业务逻辑
  override def add(v: String): Unit = {
    if(v.startsWith("H")){
      map(v) = map.getOrElse(v,0) + 1
    }
  }
  // 合并不同Task中的累加器
  override def merge(other: AccumulatorV2[String, mutable.Map[String, Int]]): Unit = {
    // 当前Task的累加器的map
    var map1 = map
    // 另一个需要合并的Task中累加器的map
    val map2 = other.value
    // 两个map集合的合并
    map = map1.foldLeft(map2)(
      // mm2表示map2的集合，kv表示的是map1中的键值对
      (mm2,kv) => {
        val word: String = kv._1
        val count: Int = kv._2
        mm2(word) = mm2.getOrElse(word,0) + 1
        mm2
      }
    )



  }
  // 获取累加器的值
  override def value: mutable.Map[String, Int] = map
}