RDD的作用域也叫做closures,在RDD代码外部定义的对象,一旦放到RDD的closures里面,就会被以序列化的方式传输到工作机上,并且难以保证同步。
var counter = 0
var rdd = sc.parallelize(data)
// Wrong: Don't do this!!
rdd.foreach(x => counter += x)
println("Counter value: " + counter)
比如上述代码中,foreach的作用域是RDD的closure,counter是在closure外部定义的但是在closure内部引用。worker运行closure时,需要把counter以序列化的形式传输过去,并且无法保证数值的同步更新。
因此并不推荐这种用法。
如果counter是一个自定义的类,还可能会出现无法序列化的错误提示。