0八、共享變量（Broadcast Variable和Accumulator）

共享變量工做原理

Spark一個很是重要的特性就是共享變量。

 

默認狀況下，若是在一個算子的函數中使用到了某個外部的變量，那麼這個變量的 值會被拷貝到每一個task中。此時每一個task只能操做本身的那份變量副本。若是多個task想要共享某個變量，那麼這種方式是作不到的。

 

Spark爲此提供了兩種共享變量，一種是Broadcast Variable（廣播變量），另外一種是Accumulator（累加變量）。Broadcast Variable會將使用到的變量，僅 僅爲每一個節點拷貝一份，更大的用處是優化性能，減小網絡傳輸以及內存消耗。Accumulator則可讓多個task共同操做一份變量，主要能夠進行累加操做。

 

 Broadcast Variable

 

Spark提供的Broadcast Variable，是 只讀的。而且在 每一個節點上只會有一份副本，而 不會爲每一個task都拷貝一份副本。所以其最大做用，就是減小變量到各個節點的網絡傳輸消耗，以及在各個節點上的內存消耗。此外，spark本身內部也使用了高效的廣播算法來減小網絡消耗。

 

能夠經過調用SparkContext的broadcast()方法，來針對某個變量建立廣播變量。而後在算子的函數內，使用到廣播變量時，每一個節點只會拷貝一份副本了。每一個節點能夠使用廣播變量的value()方法獲取值。記住，廣播變量，是隻讀的。

 

val factor = 3

val factorBroadcast = sc.broadcast(factor)

 

val arr = Array(1, 2, 3, 4, 5)

val rdd = sc.parallelize(arr)

val multipleRdd = rdd.map(num => num * factorBroadcast.value())

 

multipleRdd.foreach(num => println(num))

 

Accumulator

Spark提供的Accumulator，主要用於多個節點對一個變量進行共享性的操做。Accumulator只提供了累加的功能，給咱們提供了多個task對一個變量並行操做的功能。可是task只能對Accumulator進行累加操做，不能讀取它的值。只有Driver程序能夠讀取Accumulator的值。

 

val sumAccumulator = sc.accumulator(0)

 

val arr = Array(1, 2, 3, 4, 5)

val rdd = sc.parallelize(arr)

rdd.foreach(num => sumAccumulator += num)

 

println(sumAccumulator.value)

 

 

 

package sparkcore.java;

import java.util.Arrays;

import java.util.List;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaRDD;

import org.apache.spark.api.java.JavaSparkContext;

import org.apache.spark.api.java.function.Function;

import org.apache.spark.api.java.function.VoidFunction;

import org.apache.spark.broadcast.Broadcast;

/**

 * 廣播變量

 */

public class BroadcastVariable {

    public static void main(String[] args) {

        SparkConf conf = new SparkConf()

                .setAppName("BroadcastVariable") 

                .setMaster("local"); 

        JavaSparkContext sc = new JavaSparkContext(conf);

    

        // 在java中，建立共享變量，就是調用SparkContext的broadcast()方法

        // 獲取的返回結果是Broadcast<T>類型

        final int factor = 3;

        final Broadcast<Integer> factorBroadcast = sc.broadcast(factor);

        

        List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5);

        

        JavaRDD<Integer> numbers = sc.parallelize(numberList);

        

        // 讓集合中的每一個數字，都乘之外部定義的那個factor

        JavaRDD<Integer> multipleNumbers = numbers.map(new Function<Integer, Integer>() {

            private static final long serialVersionUID = 1L;

            

            @Override

            public Integer call(Integer v1) throws Exception {

                // 使用共享變量時，調用其value()方法，便可獲取其內部封裝的值

                int factor = factorBroadcast.value();

                return v1 * factor;

            }

            

        });

        

        multipleNumbers.foreach(new VoidFunction<Integer>() {

            

            private static final long serialVersionUID = 1L;

            

            @Override

            public void call(Integer t) throws Exception {

                System.out.println(t);  

            }

            

        });

        

        sc.close();

    }

}

 

package sparkcore.scala

import org.apache.spark.SparkConf

import org.apache.spark.SparkContext

object BroadcastVariable {

  def main(args: Array[String]) {

    val conf = new SparkConf()

      .setAppName("BroadcastVariable")

      .setMaster("local")

    val sc = new SparkContext(conf)

    val factor = 3;

    val factorBroadcast = sc.broadcast(factor)

    val numberArray = Array(1, 2, 3, 4, 5)

    val numbers = sc.parallelize(numberArray, 1)

    val multipleNumbers = numbers.map { num => num * factorBroadcast.value }

    multipleNumbers.foreach { num => println(num) }

  }

}

 

package sparkcore.java;

import java.util.Arrays;

import java.util.List;

import org.apache.spark.Accumulator;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaRDD;

import org.apache.spark.api.java.JavaSparkContext;

import org.apache.spark.api.java.function.VoidFunction;

/**

 * 累加變量

 */

public class AccumulatorVariable {

    public static void main(String[] args) {

        SparkConf conf = new SparkConf()

                .setAppName("Accumulator") 

                .setMaster("local");

        JavaSparkContext sc = new JavaSparkContext(conf);

    

        // 建立Accumulator變量

        // 須要調用SparkContext的accumulator()方法

        final Accumulator<Integer> sum = sc.accumulator(0);

        

        List<Integer> numberList = Arrays.asList(1, 2, 3, 4, 5);

        JavaRDD<Integer> numbers = sc.parallelize(numberList);

        

        numbers.foreach(new VoidFunction<Integer>() {

            

            private static final long serialVersionUID = 1L;

            @Override

            public void call(Integer t) throws Exception {

                // 而後在函數內部，就能夠對Accumulator變量，調用add()方法，累加值

                sum.add(t);  

            }

            

        });

        

        // 在driver程序中，能夠調用Accumulator的value()方法，獲取其值

        System.out.println(sum.value());  

        

        sc.close();

    }

}

 

package sparkcore.scala

import org.apache.spark.SparkConf

import org.apache.spark.SparkContext

object AccumulatorVariable {

  def main(args: Array[String]) {

    val conf = new SparkConf()

      .setAppName("AccumulatorVariable")

      .setMaster("local")

    val sc = new SparkContext(conf)

    val sum = sc.accumulator(0)

    val numberArray = Array(1, 2, 3, 4, 5)

    val numbers = sc.parallelize(numberArray, 1)

    numbers.foreach { num => sum += num }

    println(sum)

  }

}