spark中的Broadcast variables和Accumulator

举个例子：
val factor = 3
rdd.map( num => num*factor)

以上两行代码显示了rdd的一个map操作，其中factor是一个外部变量。默认情况下，算子的函数内，如果使用到了外部变量，那么会将这个变量拷贝到执行这个函数的每一个task中。如果该变量非常大的话，那么网络传输耗费的资源会特别大，而且在每个节点上占用的内存空间也特别大。
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。
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了。每个节点可以使用广播变量的value()方法获取值。广播变量是只读的。
例子：
package cn.spark.study.core

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

object BroadcastVariable {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setAppName(“broadcastVariable”)
.setMaster(“local”);

val sc = new SparkContext(conf)

val list = Array(1,2,3,4,5)

val factor = 3
val broadcastfactor = sc.broadcast(factor)

val numbersRDD = sc.parallelize(list, 1)
val multipleNumber = numbersRDD.map { num => num*broadcastfactor.value }
multipleNumber.foreach { num => println(num) }

}
}

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。
例子：
package cn.spark.study.core

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

object AccumulatorTest {
def main(args: Array[String]): Unit = {
val conf = new SparkConf()
.setAppName(“AccumulatorTest”)
.setMaster(“local”);

val sc = new SparkContext(conf)

val sum = sc.accumulator(0)

val list = Array(1,2,3,4,5)

val numbersRDD = sc.parallelize(list, 1)
numbersRDD.foreach { num => sum.add(num) }

println(sum)

}
}