目錄
-
介紹
在默認情況下,當Spark在集羣的多個不同節點的多個任務上並行運行一個函數時,它會把函數中涉及到的每個變量,在每個任務上都生成一個副本。但是,有時候需要在多個任務之間共享變量,或者在任務(Task)和任務控制節點(Driver Program)之間共享變量。
爲了滿足這種需求,Spark提供了兩種類型的變量:
1.累加器accumulators:累加器支持在所有不同節點之間進行累加計算(比如計數或者求和)
2.廣播變量broadcast variables:廣播變量用來把變量在所有節點的內存之間進行共享,在每個機器上緩存一個只讀的變量,而不是爲機器上的每個任務都生成一個副本。
-
累加器
通常在向 Spark 傳遞函數時,比如使用 map() 函數或者用 filter() 傳條件時,可以使用驅動器程序中定義的變量,但是集羣中運行的每個任務都會得到這些變量的一份新的副本,更新這些副本的值也不會影響驅動器中的對應變量。這時使用累加器就可以實現我們想要的效果。
格式:
val xx: Accumulator[Int] = sc.accumulator(0)
例:
val conf: SparkConf = new SparkConf().setAppName("wc").setMaster("local[*]")
val sc: SparkContext = new SparkContext(conf)
sc.setLogLevel("WARN")
//使用scala集合完成累加
var counter1: Int = 0;
var data = Seq(1,2,3)
data.foreach(x => counter1 += x )
//6
println(counter1)
//使用RDD進行累加
var counter2: Int = 0;
//分佈式集合的[1,2,3]
val dataRDD: RDD[Int] = sc.parallelize(data)
dataRDD.foreach(x => counter2 += x)
//0
//因爲foreach中的函數是傳遞給Worker中的Executor執行,用到了counter2變量
//而counter2變量在Driver端定義的,在傳遞給Executor的時候,各個Executor都有了一份counter2
//最後各個Executor將各自個x加到自己的counter2上面了,和Driver端的counter2沒有關係
println(counter2)
//6
//使用累加器解決
val counter3: Accumulator[Int] = sc.accumulator(0)
dataRDD.foreach(x => counter3 += x)
println(countr3)
-
廣播變量
用來把變量在所有節點的內存之間進行共享,在每個機器上緩存一個只讀的變量,而不是爲機器上的每個任務都生成一個副本,可以節省內存空間
例:
val conf: SparkConf = new SparkConf().setAppName("wc").setMaster("local[*]")
val sc: SparkContext = new SparkContext(conf)
sc.setLogLevel("WARN")
//不使用廣播變量
val kvFruit: RDD[(Int, String)] = sc.parallelize(List((1, "apple"), (2, "orange"), (3, "banana"), (4, "grape")))
val fruitMap: collection.Map[Int, String] = kvFruit.collectAsMap
//scala.collection.Map[Int,String] = Map(2 -> orange, 4 -> grape, 1 -> apple, 3 -> banana)
val fruitIds: RDD[Int] = sc.parallelize(List(2, 4, 1, 3))
//根據水果編號取水果名稱
val fruitNames: RDD[String] = fruitIds.map(x => fruitMap(x))
fruitNames.foreach(println)
//注意:以上代碼看似一點問題沒有,但是考慮到數據量如果較大,且Task數較多,
//那麼會導致,被各個Task共用到的fruitMap會被多次傳輸
//應該要減少fruitMap的傳輸,一臺機器上一個,被該臺機器中的Task共用即可
//使用廣播變量
val BroadcastFruitMap: Broadcast[collection.Map[Int, String]] = sc.broadcast(fruitMap)
val fruitNames2: RDD[String] = fruitIds.map(x => BroadcastFruitMap.value(x))
fruitNames2.foreach(println)