共享變量（Broadcast Variable和Accumulator）

共享變量工作原理：

Spark一個非常重要的特性就是共享變量。

默認情況下，如果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個task中。此時每個task只能操作自己的那份變量副本。如果多個task想要共享某個變量，那麼這種方式是做不到的。

Spark爲此提供了兩種共享變量，一種是Broadcast Variable（廣播變量），另一種是Accumulator（累加變量）。Broadcast Variable會將使用到的變量，僅僅爲每個節點拷貝一份，更大的用處是優化性能，減少網絡傳輸以及內存消耗。Accumulator則可以讓多個task共同操作一份變量，主要可以進行累加操作。

 

Broadcast Variable：

Spark提供的Broadcast Variable，是隻讀的。並且在每個節點上只會有一份副本，而不會爲每個task都拷貝一份副本。因此其最大作用，就是減少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自己內部也使用了高效的廣播算法來減少網絡消耗。

可以通過調用SparkContext的broadcast()方法，來針對某個變量創建廣播變量。然後在算子的函數內，使用到廣播變量時，每個節點只會拷貝一份副本了。每個節點可以使用廣播變量的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作。Accumulator只提供了累加的功能。但是確給我們提供了多個task對一個變量並行操作的功能。但是task只能對Accumulator進行累加操作，不能讀取它的值。只有Driver程序可以讀取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)
 

實例：

Broadcast Variable（Java版本）

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
 * @author Administrator
 *
 */
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，創建共享變量，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);
		
		// 讓集合中的每個數字，都乘以外部定義的那個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，即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();
	}
	
}

Broadcast Variable（Scala）

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

/**
 * @author Administrator
 */
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) }  
  }
  
}

Accumulator（Java版本）

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
 * @author Administrator
 *
 */
public class AccumulatorVariable {

	public static void main(String[] args) {
		SparkConf conf = new SparkConf()
				.setAppName("Accumulator") 
				.setMaster("local");
		JavaSparkContext sc = new JavaSparkContext(conf);
	
		// 創建Accumulator變量
		// 需要調用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 {
				// 然後在函數內部，就可以對Accumulator變量，調用add()方法，累加值
				sum.add(t);  
			}
			
		});
		
		// 在driver程序中，可以調用Accumulator的value()方法，獲取其值
		System.out.println(sum.value());  
		
		sc.close();
	}
	
}

Accumulator（Scala版本）

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

/**
 * @author Administrator
 */
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) 


    //新版本寫法（之一）
    //val sum = sc.longAccumulator("sum")
    //numbers.foreach(sum.add(_))
    //print(sum.value)
  }
  
}