【Spark-core学习之七】 Spark广播变量、累加器

环境
　　虚拟机：VMware 10
　　Linux版本：CentOS-6.5-x86_64
　　客户端：Xshell4
　　FTP：Xftp4
　　jdk1.8
　　scala-2.10.4(依赖jdk1.8)
　　spark-1.6

一、广播变量

package com.wjy

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object GuboVal {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf();
    conf.setMaster("local").setAppName("broadcast");
    val sc= new SparkContext(conf);
    
    val list = List("hello wjy");
    val broadcast = sc.broadcast(list);//定义一个广播变量
    
    val linesRDD = sc.textFile("./data/words.txt");
    //广播变量可以在excutor使用
    linesRDD.filter{x=>broadcast.value.contains(x)}.foreach(println);
    
    sc.stop();
  }
}

注意：

(1) 能不能将一个RDD使用广播变量广播出去？

不能，因为RDD是不存储数据的。可以将RDD的结果广播出去。

(2)广播变量只能在Driver端定义，不能在Executor端定义。

(3) 在Driver端可以修改广播变量的值，在Executor端无法修改广播变量的值。

二、累加器

package com.wjy

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object accumulator {
  def main(args: Array[String]): Unit = {
    val conf =new SparkConf();
    conf.setMaster("local").setAppName("accumulator");
    val sc = new SparkContext(conf);
    //创建累加器  累加器可以是整形 也可以是其他自定义对象
    val accumulator = sc.accumulator(0);
    //累加器在excutor里累加
    sc.textFile("./data/words.txt").foreach(x=>{accumulator.add(1)});
    println(accumulator.value);
    
    sc.stop();
  }
}

注意：

累加器在Driver端定义赋初始值，累加器只能在Driver端读取，在Excutor端更新。

参考：
Spark