共享变量

spark一个非常重要的特性就是共享变量
默认情况下，如果在一个算子的函数中使用到了某个外部的变量，那么这个变量的值会被拷贝到每个task（线程）中，此时，每个task只能操作自己的那份变量副本，如果多个task想要共享某个变量，默认情况下是做不到的

spark为此提供了两种共享变量，
Broadcast Variable（广播变量）：会将使用到的变量，仅仅为每个节点拷贝一份，BroadcastVariable是只读的，主要用处是优化性能，通过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；

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) }  
  }
  
}
--------------------------------------------------------------------------------------------
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;

/**
 * 广播变量
 * @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，创建共享变量，就是调用SparkContext的broadcast()方法
        // 获取的返回结果是Broadcast<T>类型
        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);
        
        // 让集合中的每个数字，都乘以外部定义的那个factor
        JavaRDD<Integer> multipleNumbers = numbers.map(new Function<Integer, Integer>() {

            private static final long serialVersionUID = 1L;
            
            @Override
            public Integer call(Integer v1) throws Exception {
                // 使用共享变量时，调用其value()方法，即可获取其内部封装的值
                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();
    }
    
}

Accumulator（累加变量）：可以让多个task共同操作一份变量，主要用于多个节点对一个变量进行共享性的操作，比如累加操作。但是task只能对Accumulator进行累加操作，不能读取他的值，只有Driver才可以读取Accumulator的值。

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) 
  }
  
}
------------------------------------------------------------------------------------
/**
 * 累加变量
 * @author Administrator
 *
 */
public class AccumulatorVariable {

    public static void main(String[] args) {
        SparkConf conf = new SparkConf()
                .setAppName("Accumulator") 
                .setMaster("local");
        JavaSparkContext sc = new JavaSparkContext(conf);
    
        // 创建Accumulator变量
        // 需要调用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 {
                // 然后在函数内部，就可以对Accumulator变量，调用add()方法，累加值
                sum.add(t);  
            }
            
        });
        
        // 在driver程序中，可以调用Accumulator的value()方法，获取其值
        System.out.println(sum.value());  
        
        sc.close();
    }
    
}