一、累加器

1、累加器的引入

        案例：没读取一条文件中的数据，count+1，并打印在Drive端（控制台）

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.rdd.RDDobject Demo20Accumulator {def main(args: Array[String]): Unit = {val conf = new SparkConf()conf.setMaster("local").setAppName("累加器的引入")val context = new SparkContext(conf)val studentRDD: RDD[String] = context.textFile("spark/data/student.csv")var count = 0studentRDD.foreach((line:String)=>{count+=1println("-------------------------")println(count)                       //打印1~1000println("-------------------------")})println(s"count的值为：${count}")       //count的值为：0}
}

累加器的引入代码图解：

 

2、累加器的应用

object Demo20Accumulator {def main(args: Array[String]): Unit = {val conf = new SparkConf()conf.setMaster("local").setAppName("累加器的应用")val context = new SparkContext(conf)val studentRDD: RDD[String] = context.textFile("spark/data/student.csv")/*** 累加器:由SparkContext来创建* 注意：* 1、累加器能保证在Spark任务出现问题被重启的时候不会出现重复计算. * 2、累加器只有在Action算子执行的时候才会被触发.*/val accumulator: LongAccumulator = context.longAccumulatorstudentRDD.foreach((line: String) => {accumulator.add(1)})println(s"accumulator的值为：${accumulator.value}")    //accumulator的值为：1000}
}

累加器的应用代码图解：

二、广播变量

1、广播变量的引入

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}import scala.io.Sourceobject Demo21Broadcast {def main(args: Array[String]): Unit = {val conf = new SparkConf()conf.setMaster("local")conf.setAppName("广播变量引入演示")val context = new SparkContext(conf)//使用Scala的方式读取学生数据文件，将其转换以学号作为键的map集合，属于在Driver端的一个变量val studentsMap: Map[String, String] = Source.fromFile("spark/data/student.csv").getLines().toList.map((line: String) => {val infos: Array[String] = line.split(",")val stuInfo: String = infos.mkString(",")infos(0) -> stuInfo}).toMapval scoresRDD: RDD[String] = context.textFile("spark/data/score.txt")/*** 将Spark读取的分数RDD与外部变量学生Map集合进行关联* 循环遍历scoresRDD，将学号一样的学生信息关联起来*/val resMapRDD: RDD[(String, String)] = scoresRDD.map((score: String) => {val id: String = score.split(",")(0)//使用学号到学生map集合中获取学生信息val studentInfo: String = studentsMap.getOrElse(id, "无学生信息")score -> studentInfo})resMapRDD.foreach(println)}
}

广播变量的引入代码图解：

2、广播变量的应用

import org.apache.spark.broadcast.Broadcast
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}import scala.io.Sourceobject Demo21Broadcast {def main(args: Array[String]): Unit = {val conf = new SparkConf()conf.setMaster("local")conf.setAppName("广播变量应用演示")val context = new SparkContext(conf)//使用Scala的方式读取学生数据文件，将其转换以学号作为键的map集合，属于在Driver端的一个变量val studentsMap: Map[String, String] = Source.fromFile("spark/data/student.csv").getLines().toList.map((line: String) => {val infos: Array[String] = line.split(",")val stuInfo: String = infos.mkString(",")infos(0) -> stuInfo}).toMap/*** 将studentsMap变成一个广播变量，让每一个将来需要执行关联的Executor中都有一份studentsMap数据* 避免了每次Task任务拉取都要附带一个副本，拉取的速度变快了，执行速度也就变快了**/val studentsMapBroadcast: Broadcast[Map[String, String]] = context.broadcast(studentsMap)val scoresRDD: RDD[String] = context.textFile("spark/data/score.txt")/*** 使用广播变量进行关联*/val resMapRDD: RDD[(String, String)] = scoresRDD.map((score: String) => {val id: String = score.split(",")(0)val stuMap: Map[String, String] = studentsMapBroadcast.value     //获取广播变量中的值//使用学号到学生map集合中获取学生信息val studentInfo: String = stuMap.getOrElse(id, "无学生信息")(score, studentInfo)})resMapRDD.foreach(println)}
}

广播变量的应用代码图解：

三、blockmanager  

          在广播变量的应用代码图解中提到了blockmanager拉取Driver端的数据，在此详细说明一下blockmanager，blockmanager是Executor的组成部分之一，它负责管理内存和磁盘上的数据块。