SparkCore系列(三)广播变量和累加器
一:广播变量
//广播变量其实就是将一个变量传播到每个excetor,实现excetor共享同一个只读变量.
//其中有一个难题就是,动态广播变量.我在实验过程中只是实现了不同job的广播变量更改,对于有N分钟修改一次还没有试验出更好的方法
import org.apache.spark.api.java.JavaSparkContext
import org.apache.spark.SparkContext
import org.apache.spark.broadcast.Broadcast
import org.apache.spark.sql.SparkSession
import org.apache.spark.util.CollectionAccumulator
def main(args: Array[String]): Unit = {
val sparkSession = SparkSession.builder()//.master("local")
.appName("WordCount").getOrCreate()
val sc = new JavaSparkContext(sparkSession.sparkContext).sc
var runStatus = true;
var broadcast:Broadcast[Long] = sc.broadcast(System.currentTimeMillis())
class ThreadExample(sc : SparkContext) extends Thread{
override def run(): Unit ={
while(runStatus){
val time = System.currentTimeMillis()
broadcast.unpersist()
broadcast = sc.broadcast(time)
Thread.sleep(1000)
}
}
}
new ThreadExample(sc).start()
var firstrdd = sc.textFile("").map(x=>broadcast)
firstrdd.saveAsTextFile("")
var secondrdd = sc.textFile("").map(x=>broadcast)
firstrdd.saveAsTextFile("")
runStatus = false
}
二:累加器
//累加器实际上就是共享变量,实现多个excetor对同一份变量的多次操作
val sparkSession = SparkSession.builder()//.master("local")
.appName("WordCount").getOrCreate()
val sc = new JavaSparkContext(sparkSession.sparkContext).sc
// 内置的累加器有三种,LongAccumulator、DoubleAccumulator、CollectionAccumulator// 内置的累加器有三种,LongAccumulator、DoubleAccumulator、 CollectionAccumulator
// LongAccumulator: 数值型累加
val longAccumulator = sc.longAccumulator("long-account")
// DoubleAccumulator: 小数型累加
val doubleAccumulator = sc.doubleAccumulator("double-account")
// CollectionAccumulator:集合累加
val collectionAccumulator:CollectionAccumulator[Int] = sc.collectionAccumulator("collection-account")
var firstrdd = sc.textFile("s3://transsion-bigdata-warehouse/ods/athena_10410001/dt=20191210/hour=00/*")
.map(x=>{
longAccumulator.value;
doubleAccumulator.add(1)
collectionAccumulator.add(1)
x
})
firstrdd.saveAsTextFile("s3://transsion-athena/test/push_msg/first")
print("longAccumulator:"+longAccumulator.count)
print("doubleAccumulator:"+doubleAccumulator.count)
print("collectionAccumulator:"+collectionAccumulator.value.size())
//longAccumulator:0 doubleAccumulator:2817336 collectionAccumulator:2817336
搬砖多年终不得要领,遂载源码看之望得真经。
分类:
spark-core
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· 单线程的Redis速度为什么快?