广播变量的作用
- 广播变量:分布式只读变量。
- 如果Executor端需要访问Driver端的某个变量,spark会向Executor端每个task都发送一个此变量的副本。如果此变量很大,就会占用大量的Executor节点的内存。
- 利用广播变量,spark只会给一个Executor节点发送一个变量。
广播变量的使用
需求
一个List和一个RDD实现类似join算子的效果。
object Spark08_Broadcast {
def main(args: Array[String]): Unit = {
val conf: SparkConf = new SparkConf().setAppName(this.getClass.getName).setMaster("local[*]")
val sc = new SparkContext(conf)
val list1: List[(String, Int)] = List(("a",1),("b",2),("c",2))
val list2: RDD[(String, Int)] = sc.makeRDD(List(("a",3),("b",4),("c",5)))
// 启用广播变量
val broadList: Broadcast[List[(String, Int)]] = sc.broadcast(list1)
// join两个数据,结构(key,(value1,value2))
val resRDD: RDD[(String, (Int, Int))] = list2.map {
case (word, count) => {
// 定义临时变量,保存相同key对应的value
var v3 = 0
// 获取广播变量中的值
val broadValue: List[(String, Int)] = broadList.value
for (w <- broadValue) {
if (w._1 == word) {
v3 = w._2
}
}
(word, (count, v3))
}
}
resRDD.foreach(println)
sc.stop()
}
}