spark RDD的作用域

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。