Spark共享变量（Broadcast Variable和Accumulator）

多个task想要共享某个变量，Spark为此提供了两个共享变量，一种是Broadcast Variable（广播变量），另一种是Accumulator（累加变量）。Broadcast Variable会将使用到的变量，仅仅为每个节点拷贝一份，更大的用处是优化性能，减少网络传输以及内存消耗。Accumulator则可以让多个task共同操作一份变量，主要可以进行累加操作。

Broadcast Variable

Spark提供的Broadcast Variable，是只读的。并且在每个节点上只会有一份副本，而不会为每个task都拷贝一份。因此其最大的作用，就是减少变量到各个节点的网络传输消耗，以及在各个节点上的内存消耗。此外，spark内部也使用了高效的广播算法来减少网络消耗。

可以通过调用SparkContext的broadcast()方法，来针对某个变量创建广播变量。然后在算子的函数内，使用到广播变量时，每个节点只会拷贝一份副本，每个节点可以使用广播变量的value()方法获取值。

val factor = 3val factorBroadc ast = 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Accumulator，主要用于多个节点对一个变量进行共享性的操作。Accumulator只提供了累加的功能。但是却给我们提供了多个task对一个变量并行操作的功能。但是task只能对Accumulator进行累加操作，不能读取它的值。只有Driver程序可以读取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)