欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Spark中Broadcast的理解

程序员文章站 2022-06-24 22:42:03
广播变量应用场景:在提交作业后,task在执行的过程中, 有一个或多个值需要在计算的过程中多次从Driver端拿取时,此时会必然会发生大量的网络IO, 这时,最好用广播变量的方式,将Driver端的变量的值事先广播到每一个Worker端, 以后再计算过程中只需要从本地拿取该值即可,避免网络IO,提 ......

广播变量
应用场景:在提交作业后,task在执行的过程中,
有一个或多个值需要在计算的过程中多次从driver端拿取时,此时会必然会发生大量的网络io,
这时,最好用广播变量的方式,将driver端的变量的值事先广播到每一个worker端,
以后再计算过程中只需要从本地拿取该值即可,避免网络io,提高计算效率。
广播变量在广播的时候,将driver端的变量广播到每一个每一个worker端,一个worker端会收到一份仅一份该变量的值
注意:广播的值必须是一个确切的值,不能广播rdd(因为rdd是一个数据的描述,没有拿到确切的值),
如果想要广播rdd对应的值,需要将该rdd对应的数据获取到driver端然后再进行广播。
广播的数据是不可改变的。
广播变量的数据不可太大,如果太大,会在executor占用大量的缓存,相对于计算的时候的缓存就少很多。


Spark中Broadcast的理解