Spark累加器LongAccumulator

新鲜氧气2024-01-28 23:24

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)
  }
}