目录

0. 相关文章链接

1. 广播变量

2. 累加器

2.1. 实现原理

2.2. 系统累加器

2.3. 自定义累加器

---

0. 相关文章链接

 Spark文章汇总 

1. 广播变量

        广播变量用来高效分发较大的对象。向所有工作节点发送一个较大的只读值，以供一个或多个 Spark 操作使用。比如，如果你的应用需要向所有节点发送一个较大的只读查询表，广播变量用起来都很顺手。在多个并行操作中使用同一个变量，但是 Spark 会为每个任务分别发送。

val rdd1 = sc.makeRDD(List(("a", 1), ("b", 2), ("c", 3), ("d", 4)), 4)
val list = List(("a", 4), ("b", 5), ("c", 6), ("d", 7))// 声明广播变量
val broadcast: Broadcast[List[(String, Int)]] = sc.broadcast(list)
val resultRDD: RDD[(String, (Int, Int))] = rdd1.map {case (key, num) => {var num2 = 0// 使用广播变量for ((k, v) <- broadcast.value) {if (k == key) {num2 = v}}(key, (num, num2))}
}

2. 累加器

2.1. 实现原理

        累加器用来把 Executor 端变量信息聚合到 Driver 端。在 Driver 程序中定义的变量，在Executor 端的每个 Task 都会得到这个变量的一份新的副本，每个 task 更新这些副本的值后，传回 Driver 端进行 merge。

2.2. 系统累加器

val rdd = sc.makeRDD(List(1, 2, 3, 4, 5))
// 声明累加器
var sum = sc.longAccumulator("sum");
rdd.foreach(num => {// 使用累加器sum.add(num)}
)
// 获取累加器的值
println("sum = " + sum.value)

2.3. 自定义累加器

// 自定义累加器
// 1. 继承 AccumulatorV2，并设定泛型
// 2. 重写累加器的抽象方法
class WordCountAccumulator extends AccumulatorV2[String, mutable.Map[String, Long]] {var map: mutable.Map[String, Long] = mutable.Map()// 累加器是否为初始状态override def isZero: Boolean = {map.isEmpty}// 复制累加器override def copy(): AccumulatorV2[String, mutable.Map[String, Long]] = {new WordCountAccumulator}// 重置累加器override def reset(): Unit = {map.clear()}// 向累加器中增加数据 (In)override def add(word: String): Unit = {// 查询 map 中是否存在相同的单词// 如果有相同的单词，那么单词的数量加 1// 如果没有相同的单词，那么在 map 中增加这个单词map(word) = map.getOrElse(word, 0L) + 1L}// 合并累加器override def merge(other: AccumulatorV2[String, mutable.Map[String, Long]]): Unit = {val map1 = mapval map2 = other.value// 两个 Map 的合并map = map1.foldLeft(map2)((innerMap, kv) => {innerMap(kv._1) = innerMap.getOrElse(kv._1, 0L) + kv._2innerMap})}// 返回累加器的结果 （Out）override def value: mutable.Map[String, Long] = map}

---

注：其他Spark相关系列文章链接由此进 ->  Spark文章汇总 

---