Spark核心编程：共享变量（Broadcast Variable和Accumulator）

1.共享变量工作原理

1.默认情况下，如果在一个算子的函数中使用到了某个外部的变量，那么这个变量的值会被拷贝到每个task中。此时每个task只能操作自己的那份变量副本。如果多个task想要共享某个变量，那么这种方式是做不到的。因此，Spark提供了两种共享变量，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。
2.图解共享变量的工作原理：

共享变量的介绍

Broadcast Variable

1.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都拷贝一份副本。因此其最大作用，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自己内部也使用了高效的广播算法来减少网络消耗。
2.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了。每个节点可以使用广播变量的value()方法获取值。记住，广播变量，是只读的。
案例：
Java版：

        //在Java中，创建共享变量，就是调用SparkContext的broadcast()方法        //获取的返回结果是BroadCast<T>类型        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);        //然集合中的每个数字，都乘上外部定义的那个比变量factor        JavaRDD<Integer> multipleNumbers = numbers.map(new Function<Integer, Integer>() {            private static final long serialVersionUID = 1L;            @Override            public Integer call(Integer v1) throws Exception {                return v1 * factorBroadcast.value();            }        });        multipleNumbers.foreach(new VoidFunction<Integer>() {            private static final long serialVersionUID = 1L;            @Override            public void call(Integer v1) throws Exception {                System.out.println(v1);            }        });

Scala版：

    val factor = 3    val factorBroadcast = sc.broadcast(factor)    val numbers = Array(1 to 10:_*)    val numbersRDD = sc.parallelize(numbers, 4)    val numsRDD = numbersRDD.map(_*factorBroadcast.value)    numsRDD.foreach(println(_))

结果：

Accumulator

1.Spark提供的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。但是确给我们提供了多个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。
2.案例：
Java版：

        //创建Accumulator变量        //需要调用SparkContext的accumulator()方法        final Accumulator<Integer> sums = 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 v1) throws Exception {                //然后在函数内部，就可以对Accumulator变量调用add()方法                    sums.add(v1);            }        });        //在driver程序中，可以调用Accumulator的value()方法，获取其值        System.out.println(sums.value());

Scala版：

    val sumAccumulator = sc.accumulator(0)    val numbers = Array(1 to 5:_*)    val numbersRDD = sc.parallelize(numbers, 4)    numbersRDD.foreach(sumAccumulator += _)    println(sumAccumulator)

结果：