Spark累加器LongAccumulator

1.Accumulator是由Driver端总体进行维护的,读取当前值也是在Driver端,各个Task在其所在的Executor上也维护了Accumulator变量,但只是局部性累加操作,运行完成后会到Driver端去合并累加结果。Accumulator有两个性质:

1、只会累加,合并即累加;

2、不改变Spark作业懒执行的特点,即没有action操作触发job的情况下累加器的值有可能是初始值。

Scala 复制代码
object AccumulatorTest {

  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setAppName("test003").setMaster("local")
    val sc = new SparkContext(conf)
    sc.setLogLevel("ERROR")

    println("***********************************")
    // 使用scala集合完成累加
    var count1:Int = 0;
    var data = Seq(1,2,3,4)
    data.map(x=> count1 +=x)
    println("scala集合进行累加:" + count1)
    println("***********************************")

// 使用RDD累加,但是count2打印结果为0
// 使用foreach传递的是函数,driver在把变量发送到work时,work中Executor都有一份count2变量副本,
// 最后执行计算时每个Executor的count2会加上自己的x,与dirver短中定义的count2没有关系,所以打印结果是0,
    var count2:Int = 0
    val dataRDD: RDD[Int] = sc.parallelize(data)
    dataRDD.foreach(x=> count2 +=x)
    println(count2)

    println("**************使用累加器*********************")
    val acc: LongAccumulator = sc.longAccumulator("accumulatorTest")
    dataRDD.foreach(x=>acc.add(x))
    println("计算元素累积和:" + acc.value)
    println("统计元素个数:" + acc.count)
    println("统计元素平均值:" + acc.avg)
    println("统计元素总和:" + acc.sum)
  }
}
相关推荐
KIDAKN4 小时前
RabbitMQ 初步认识
分布式·rabbitmq
pan3035074794 小时前
Kafka 和 RabbitMQ的选择
分布式·kafka·rabbitmq
打码人的日常分享6 小时前
运维服务方案,运维巡检方案,运维安全保障方案文件
大数据·运维·安全·word·安全架构
hzulwy7 小时前
Kafka基础理论
分布式·kafka
半夏陌离8 小时前
SQL 拓展指南:不同数据库差异对比(MySQL/Oracle/SQL Server 基础区别)
大数据·数据库·sql·mysql·oracle·数据库架构
明达智控技术8 小时前
MR30分布式IO在全自动中药煎药机中的应用
分布式·物联网·自动化
jakeswang9 小时前
细说分布式ID
分布式
计算机毕业设计木哥10 小时前
计算机毕设选题:基于Python+Django的B站数据分析系统的设计与实现【源码+文档+调试】
java·开发语言·后端·python·spark·django·课程设计
失散1310 小时前
分布式专题——1.2 Redis7核心数据结构
java·数据结构·redis·分布式·架构
A小弈同学10 小时前
新规则,新游戏:AI时代下的战略重构与商业实践
大数据·人工智能·重构·降本增效·电子合同