1、简介

在Spark中，提供了两种类型的共享变量：广播变量 (broadcast variable)与累加器 (accumulator) ：

广播变量：主要用于在节点间高效分发大对象。
累加器：用来对信息进行聚合，主要用于累计计数等场景；

2、广播变量

广播变量：允许开发者将一个只读变量（Driver端）缓存到每个节点（Executor）上，而不是每个任务传递一个副本。

每个 Task 任务的闭包都会持有自由变量的副本，如果变量很大且 Task 任务很多的情况下，这必然会对网络 IO 造成压力，为了解决这个情况，Spark 提供了广播变量。

广播变量的做法很简单：就是不把副本变量分发到每个 Task 中，而是将其分发到每个 Executor，Executor 中的所有 Task 共享一个副本变量。

// 把一个数组定义为一个广播变量
val broadcastVar = sc.broadcast(Array(1, 2, 3, 4, 5))
// 之后用到该数组时应优先使用广播变量，而不是原值
sc.parallelize(broadcastVar.value).map(_ * 10).collect()  //访问方式：broadcastVar.value

注意事项：

1、Driver端变量在每个Executor每个Task保存一个变量副本
2、Driver端广播变量在每个Executor只保存一个变量副本

import org.apache.spark.{SparkConf, SparkContext}object BroadcastDemo {def main(args: Array[String]): Unit = {val conf = new SparkConf().setMaster("local[1]").setAppName("BroadcastDemo")val sc = SparkContext.getOrCreate(conf)//广播val arr = Array("hello","hi","good afternoon")val hei = sc.broadcast(arr)val rdd1 = sc.parallelize(List((1,"zhangsan"),(2,"lisi"),(3,"wangwu")))val rdd2 = rdd1.mapValues(x => {//使用时才传给worker/*println(x)println(arr.toString())arr(0) + ":" + x*///广播变量，提前说println(hei.value.toList)hei.value(0) + ":" + x})rdd2.foreach(println)}
}
/*输出：
List(hello, hi, good afternoon)
(1,hello:zhangsan)
List(hello, hi, good afternoon)
(2,hello:lisi)
List(hello, hi, good afternoon)
(3,hello:wangwu)
*/

3、累加器

原理：将每个副本变量的最终值传回 Driver，由 Driver 聚合后得到最终值，并更新原始变量。

只允许added操作，常用于实现计数。

import org.apache.spark.{SparkConf, SparkContext}object AccumulatorDemo {def main(args: Array[String]): Unit = {val conf = new SparkConf().setMaster("local[2]").setAppName("AccumulatorDemo")val sc = SparkContext.getOrCreate(conf)val accum = sc.accumulator(0,"aaa") //第一个参数：初始值  第二个参数：namesc.parallelize(Array(1,2,3,4)).foreach(x=>{accum+=x;accum})println(accum.value)//拓展：glom  打印分区val rdd1 = sc.makeRDD(List(1,2,3,4))rdd1.glom().collect().foreach(x=>println(x.toList))}
}
/*输出：
10
List(1, 2)
List(3, 4)
*/

RDD优化--RDD共享变量(广播变量与累加器)相关推荐

Spark编程指引(四)----共享变量(广播变量和累加器)
转自:http://blog.csdn.net/happyanger6/article/details/46576831 共享变量通常情况下,当向Spark操作(如map,reduce)传递一个函数 ...
Spark共享变量(广播变量、累加器)
Spark两种共享变量:广播变量(broadcast variable)与累加器(accumulator) 累加器用来对信息进行聚合,而广播变量用来高效分发较大的对象. 共享变量出现的原因: 通常在向 ...
spark共享变量(广播变量Broadcast Variable,累加器Accumulators)
2019独角兽企业重金招聘Python工程师标准>>> 一般来说,当一个函数被传递给Spark操作(例如map和reduce),在一个远程集群上运行,它实际上操作的是这个函数用到的所 ...
spark广播变量和累加器
1 为什么使用广播变量和累加器变量存在的问题:在spark程序中,当一个传递给Spark操作(例如map和reduce)的函数在远程节点上面运行时,Spark操作实际上操作的是这个函数所用变量的 ...
【Spark】广播变量和累加器
文章目录一.Spark广播变量二.累加器 Reference 一.Spark广播变量多进程编程中,不同进程可以通过创建共享内存,进行进程间通信.而在分布式中,Spark通过[广播变量]和[累加器 ...
Spark _15 _广播变量和累加器
广播变量和累加器广播变量广播变量理解图未使用广播变量: package SparkRadioimport org.apache.spark.rdd.RDD import org.apache.s ...
Spark 广播变量和累加器
Spark 的一个核心功能是创建两种特殊类型的变量:广播变量和累加器广播变量(groadcast varible)为只读变量,它有运行SparkContext的驱动程序创建后发送给参与计算的节点.对 ...
spark 获取广播变量_Spark流式程序中广播变量和累加器为何使用单例模式
Spark中广播变量详解以及如何动态更新广播变量mp.weixin.qq.com 1.广播变量是只读的,使用单例模式可以减少Spark流式程序中每次job生成执行,频繁创建广播变量带来的开销 2. ...
031 广播变量与累加器
1.广播变量机制将传递给task的值,变成传递给executor. 为什么可以共用,因为task是executor下的线程. 只读的变量,在task中不允许修改 2.累加器介绍在只写的变量,在ta ...
spark 广播变量大数据_Spark基础知识（三）--- Spark的广播变量和累加器
在spark程序中,当一个传递给Spark操作(例如map和reduce)的函数在远程节点上面运行时,Spark操作实际上操作的是这个函数所用变量的一个独立副本.这些变量会被复制到每台机器上,并且这些 ...

RDD优化--RDD共享变量(广播变量与累加器)

文章目录

1、简介

2、广播变量

3、累加器

RDD优化--RDD共享变量(广播变量与累加器)相关推荐

最新文章

热门文章