当函数闭包被传递到远端集群节点上时,它是一个副本。它使用的所有变量在每个节点上都复制了一份,这些变量的修改都不会被传回Driver程序。为了跨Task读写共享变量,所以Spark引入了广播变量、累加器。
广播变量
广播变量让每个节点持有一个只读变量的值,而不是让每个Task都有一份,节省空间。跨多个stage使用相同的数据时,广播变量很有用。
scala> val broadcastVar = sc.broadcast(Array(1, 2, 3))
broadcastVar: org.apache.spark.broadcast.Broadcast[Array[Int]]