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
智慧化智能化数字化方案8 分钟前
华为IPD流程管理体系L1至L5最佳实践-解读
大数据·华为
PersistJiao1 小时前
在 Spark RDD 中,sortBy 和 top 算子的各自适用场景
大数据·spark·top·sortby
2301_811274311 小时前
大数据基于Spring Boot的化妆品推荐系统的设计与实现
大数据·spring boot·后端
Yz98762 小时前
hive的存储格式
大数据·数据库·数据仓库·hive·hadoop·数据库开发
青云交2 小时前
大数据新视界 -- 大数据大厂之 Hive 数据导入:多源数据集成的策略与实战(上)(3/ 30)
大数据·数据清洗·电商数据·数据整合·hive 数据导入·多源数据·影视娱乐数据
lzhlizihang2 小时前
python如何使用spark操作hive
hive·python·spark
武子康2 小时前
大数据-230 离线数仓 - ODS层的构建 Hive处理 UDF 与 SerDe 处理 与 当前总结
java·大数据·数据仓库·hive·hadoop·sql·hdfs
武子康2 小时前
大数据-231 离线数仓 - DWS 层、ADS 层的创建 Hive 执行脚本
java·大数据·数据仓库·hive·hadoop·mysql
运维&陈同学2 小时前
【zookeeper01】消息队列与微服务之zookeeper工作原理
运维·分布式·微服务·zookeeper·云原生·架构·消息队列
时差9532 小时前
Flink Standalone集群模式安装部署
大数据·分布式·flink·部署