Sparkブロードキャスト変数の役割と使用

ブロードキャスト変数の役割

• ブロードキャスト変数：分散読み取り専用変数。
• エグゼキュータ側がドライバ側の変数にアクセスする必要がある場合、sparkはこの変数のコピーをエグゼキュータ側の各タスクに送信します。この変数が大きい場合、エグゼキュータノードの大量のメモリを占有します。
• ブロードキャスト変数を使用すると、sparkは1つの変数のみを1つのエグゼキューターノードに送信します。

ブロードキャスト変数の使用

要求する

        リストとRDDは、結合演算子と同様の効果を実現します。

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()
  }
}