SparkCore之广播变量

Leefs 2021-11-09 PM 1872℃ 0条

[TOC]

### 一、定义

**广播变量：**分布式共享只读变量

### 二、作用

+ 在多个并行操作中（Executor）使用同一个变量，Spark默认会为每个任务(Task)分别发送，这样如果共享比较大的对象，会占用很大工作节点的内存。
+ 广播变量用来高效分发较大的对象。向所有工作节点发送一个较大的只读值，以供一个或多个Spark操作使用。比如，如果你的应用需要向所有节点发送一个较大的只读查询表，甚至是机器学习算法中的一个很大的特征向量，广播变量用起来都很顺手。

### 三、原理说明

![22.Spark广播变量01.png](https://lilinchao.com/usr/uploads/2021/11/1958904591.png)

**说明**

+ 如果不采用广播变量的方式，list需要将数据发送给每一个task
+ 采用广播变量的方式，只需要将数据发送到每一个Executor，其他任务在执行的时候直接获取保存在Executor中的同一份数据。
+ 弊端Executor中的数据只支持读，不能进行修改，所以称为**分布式共享只读变量**。

### 四、实现

#### 4.1 实现步骤

```
1. 通过对一个类型T的对象调用`SparkContext.broadcast`创建出一个Broadcast[T]对象，任何可序列化的类型都可以这么实现。
2. 通过value属性访问该对象的值
3. 变量只会被发到各个节点一次，应作为只读值处理（修改这个值不会影响到别的节点）
```

#### 4.2 代码

```scala
import org.apache.spark.broadcast.Broadcast
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

/**
  * @author lilinchao
  * @date 2021/11/9
  * @description 广播变量
  **/
object Test10_BroadCast {

def main(args: Array[String]): Unit = {
    val sparConf = new SparkConf().setMaster("local[*]").setAppName("Test10_BroadCast")
    val sc = new SparkContext(sparConf)

//需求：想实现类似join效果   (a,(1,4)),(b,(2,5)),(c,(3,6))
    val rdd: RDD[(String, Int)] = sc.makeRDD(List(("a",1),("b",2),("c",3)))
    val list: List[(String, Int)] = List(("a",4),("b",5),("c",6))

// 声明一个广播变量
    val broadcastList: Broadcast[List[(String, Int)]] = sc.broadcast(list)

val resRDD: RDD[(String, (Int, Int))] = rdd.map {
      case (k1, v1) => {
        var v3 = 0
        //for ((k2, v2) <- list) {
        // 使用广播变量
        for ((k2, v2) <- broadcastList.value) {
          if (k1 == k2) {
            //(k1, (v1, v2))
            v3 = v2
          }
        }
        (k1, (v1, v3))
      }
    }

resRDD.collect().foreach(println)

// 关闭连接
    sc.stop()
  }
}
```

**运行结果**

```
(a,(1,4))
(b,(2,5))
(c,(3,6))
```

*附参考原文链接地址：*

*https://blog.csdn.net/qq_41818801/article/details/106171910*

标签: Spark, Spark Core

非特殊说明，本博所有文章均为博主原创。

如若转载，请注明出处：https://www.lilinchao.com/archives/1619.html

上一篇 SparkCore之累加器

下一篇 SparkSQL案例实操（一）

SparkCore之广播变量

评论已关闭

栏目分类

标签云

友情链接申请

SparkCore之广播变量

评论已关闭

 栏目分类

标签云

友情链接申请

栏目分类

标签云

友情链接申请