spark广播变量与累加器
理论知识介绍:(个人理解使用广播变量是优化项之一)
https://blog.csdn.net/Android_xue/article/details/79780463/
一、为什么要使用共享变量
Spark中因为算子中的真正逻辑是发送到Executor中去运行的,所以当Executor中需要引用外部变量时,需要使用广播变量。
累机器相当于统筹大变量,常用于计数,统计
二、广播变量的原理
三、广播变量使用方法
四、广播变量注意事项
1、能不能将一个RDD使用广播变量广播出去?
不能,因为RDD是不存储数据的。可以将RDD的结果广播出去。
2、 广播变量只能在Driver端定义,不能在Executor端定义。
3、 在Driver端可以修改广播变量的值,在Executor端无法修改广播变量的值。
4、如果Executor端用到了Driver的变量,如果不使用广播变量在Executor有多少task就有多少Driver端的变量副本。
5、如果Executor端用到了Driver的变量,如果使用广播变量在每个Executor中只有一份Driver端的变量副本。
累加器相关:
Spark2.x之后,之前的的accumulator被废除,用AccumulatorV2代替;
val longAccumulator = new LongAccumulator
sc.register(longAccumulator)
累加器在Driver端定义赋初始值,累加器只能在Driver端读取,在Excutor端更新
-----------专注于实时数仓,大数据存储、计算