Scala中的闭包|Spark中闭包在程序中的应用

0.什么是闭包？？？

• 闭包是那些必须可见的执行器在RDD上执行计算的变量和方法（在下面的例子中为foreach（））。 该闭包被序列化并发送给每个执行者。

 

1.Spark的一个难点是在跨集群执行代码时理解变量和方法的范围和生命周期。 修改其范围之外的变量的RDD操作可能经常引起混淆。 在下面的示例中，我们将查看使用foreach（）递增计数器的代码，但同样的问题也可能发生在其他操作中。

考虑下面的计算RDD元素总和，根据执行是否在同一JVM中发生，它可能表现不同。

一个常见的例子是在本地模式下运行Spark（--master = local [n]）而不是将Spark应用程序部署到集群（例如通过spark-submit to YARN）：

 

下面为错误的案例：

var counter = 0

var rdd = sc.parallelize(data)

// 分布式情况下会报错

rdd.foreach(x => counter += x)

println("Counter value: " + counter)

2.本地模式与集群模式：

为了执行作业，Spark将RDD操作的处理分解为任务，每个任务都由执行程序执行。 在执行之前，Spark计算任务的闭包。

闭包是那些必须可见的执行器