Spark踩坑记--Broadcast(广播变量) & Accumulator(累加器)

在学习FP-Growth算法过程中,遇到一个挑战:如何在Executor端更新Driver端的变量。通过研究,了解到Spark提供了Broadcast(广播变量)和Accumulator(累加器)来解决此类问题。错误示例显示广播变量无法更新Driver端变量,而累加器则能实现分布式环境中的变量累加,确保Driver端值的正确变化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

起因:在学习FP-Growth算法时,导入数据建立好Tree后,对输入项A查找其频繁项时,需要在driver端记录下输入项A的支持度计数总和,此时出现在executor端对driver端的变量的值进行更改后,driver端的变量值却没有改变,在好心人的帮助下,发现spark有Broadcast和Accumulator。

错误案例:同一个变量打印出现不同结果

var goodsFreq = 0L
val freqItemsets = fpModel.freqItemsets.cache()
freqItemsets.foreach{f =>
  if(f.items.mkString == test.mkString){
    goodsFreq = f.freq
    println("value1:"+goodsFreq)
  }
}    

value1:2513

value2:0


正确案例:累加器(accumulator)是Spark中提供的一种分布式的变量机制

var goodsFreq = spark.sparkContext.longAccumulator
val freqItemsets = fpModel.freqItemsets.cache()
freqItemsets.foreach{f =>
  if(f.items.mkString == test.mkString){
    goodsFreq.add(f.freq)
    println("value1:"+goodsFreq)
  }
}
println("value2:"+goodsFreq)


value1:LongAccumulator(id: 125, name: None, value: 2513)
value2:LongAccumulator(id: 125, name: None, value: 2513)




广播变量:通过广播变量将变量复制到executor,每个task执行时,不需要通过网络再次传输变量,而是通过blockmanager获取变量,而不是从Driver获取变量,从而提升了效率。
广播变量是只读类型,不可重写。定义广播变量方式 val bc = sc.broadcast(需要广播的变量)
                         广播变量的使用方式 dc.value广播变量值

累加器:是spark中提供的一种分布式变量机制,在executor中只能写,不能读,但是能在driver端读。
                定义方式: var accu = sc.longAccumulator
                累加器使用方式 val result = accu.value 


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值