广播变量、累加器
一、广播变量
广播变量是向所有工作节点发送一个较大的只读值
使用代码示例:
val conf = new SparkConf().setAppName("WordCount").setMaster("local")
val sc = new SparkContext(conf)
val list:List[String] = List("Golang","Java")
val bc = sc.broadcast(list)
示例中使用了broadcast函数创建广播变量,然后通过调用它的value函数,就可以访问所封装的数据内容,广播变量节省的网络与内在开销会变得非常可观,省去这些开销,对作业的执行有很大有处。当你遇到需要多个task共享同一个大型变量的时候,比如列表,数组映射等数据结构,可以考虑使用广播变量来优化spark作业
注意:
1、不能将rdd作为广播变量广播出去,rdd是不存储数据的。可以将rdd的结果广播出去。
2、广播变量只能在Driver端定义,不能在Executor端定义。
二、累加器
它主要作用是全局计数,使用场景自然是需要做全局计数的时候
使用代码示例:
val conf = new SparkConf().setAppName("WordCount").setMaster("local")
val sc = new SparkContext(conf)
//定义Long类型的累加器
val ac = sc.longAccumulator("Empty string")
ac.add(1)
作业完成后,调用value函数,获取累加器的全局结果
除了以上的longAccumulator,还有doubleAccumulator和collectionAccumulator
注意:
累加器在Driver端定义赋初始值,只能在Driver端读取最后的值,在executor端更新。