Spark Streaming 广播变量更新操作（Java + Sacla）

一、广播变量的创建与使用 

spark 的广播变量允许在每个工作节点缓存一个只读的变量，这样做的好处是避免任务为每一个Task共享的数据单独创建拷贝，大大节省了运算空间占用，在Java中通过JavaSparkContext.broadcast(v)方法，Scala中通过SparkContext.broadcast(v) 方法对变量v进行包装和分发操作，使用时调用 broadcast.value()方法即可使用,代码如下：

JAVA版本：

public static void main(String[] args) throws Exception {
    SparkConf conf = new SparkConf()
        .setAppName("broadcastUpdate")
        .set("spark.streaming.kafka.maxRatePerPartition", args[0]);//限制吞吐量
    JavaStreamingContext jsic = new JavaStreamingContext(conf,
				Durations.seconds(120));
	// 设置checkpoint目录
	jsic.checkpoint(CST.SPARK_CHECKPOINT_DIR_SINGLE);
	// 创建task集合的广播变量
	JavaSparkContext jsc = jsic.sparkContext();
	//广播变量创建    
    List<String> strList = new ArrayList<String>();
    Broadcast<String> broadcast = jsc.broadcast(strList);
    
    //广播变量数据使用
    String s = broadcast.value();
    }

Scala版本：

scala> val broadcastVar = sc.broadcast(Array(1, 2, 3))
broadcastVar: org.apache.spark.broadcast.Broadcast[Array[Int]] = Broadcast(0)
 
scala> broadcastVar.value
res0: Array[Int] = Array(1, 2, 3)

二、广播变量的更新操作

    实际应用场景中，广播变量中的值并不是一直不变的，一般涉及到规则匹配，黑名单过滤筛选等操作的话，需要对广播到各个节点的数据做定期，这时需要先调用broadcast.unpersist(Boolean)释放掉节点的广播变量数据，再将更新的数据用同样的名字重新广播一次，其中的参数默认为False，代表该广播变量如果有节点正在使用时，是否阻塞程序。该部分代码一般放在output操作的foreachRDD()中

JAVA版本：

resultDStream.foreachRDD(new Function<JavaRDD<String>, Void>() {

			private static final long serialVersionUID = 1L;

			@Override
			public Void call(JavaRDD<String> RDD) throws Exception {
                SparkContext context = RDD.context();
                //获取到RDD的JavaSparkContext
				JavaSparkContext jsc = JavaSparkContext.fromSparkContext(context);
                broadcast.unpersist(true);//默认为false
                String newStr = "new broadcast value";
                //重新生成广播变量,采用一样的变量名称
                Broadcast<String> broadcast = jsc.broadcast(newStr);
                }
});

Scala版本：

resuleDstream.foreachRDD(new VoidFunction<JavaRDD<String>>() {
     @Override
    public void call(JavaRDD<String> stringJavaRDD) throws Exception {
     //获取广播变量值
     broadcast.value();
     //释放广播变量值
     broadcast.unpersist();
     //重新广播，更新值列表
     broadcast=stringJavaRDD.context().broadcast(newStr,ClassManifestFactory.classType(String.class));
   }
});

三、JAVA版本出现的编译时错误及解决方法

    在上面的JAVA更新广播变量操作中，重新生成广播变量并分发时，编译器可能会提示报错：

    这是因为：Java8在 lambda 表达式中使用局部变量会提示：Local variable flag defined in an enclosing scope must be final or effectively final

    首先这是一个java编译时的错误，翻译成中文是：不可变的局部变量不能被赋值，因为它已经被定义在一个封闭类型中。

    解决的办法：将广播变量作一下封装，用集合或者数组，如果变量类型是基本数据类型一般用数组。

//广播变量申明
        String broadcastStr = "broadcast value";
        Broadcast<String> broadcast = jsc.broadcast(broadcastStrs);
        //用数组包装该广播变量类，否则在匿名函数内的调用无法通过编译
	final List<Broadcast<String>> broadcastList = new ArrayList<Broadcast<String>>();
	broadcastList.add(broadcast);

//广播变量更新
                @Override
		public Void call(JavaRDD<String> v1) throws Exception {
			//释放之前的节点缓存
			broadcast.unpersist();
			SparkContext context = v1.context();
			JavaSparkContext jjsc = JavaSparkContext.fromSparkContext(context);
			String newbroadcastStr = "another broadcast value";
			Broadcast<String> newbroadcast = jjsc.broadcast(newbroadcastStr);
			//将List中元素替换，方便下次广播变量的更新
                        broadcastList.set(0, newbroadcast);
			return null;
			}