gpt4 book ai didi

apache-spark - 什么是广播变量?他们解决什么问题?

转载 作者:行者123 更新时间:2023-12-03 07:27:18 25 4
gpt4 key购买 nike

我正在阅读 Spark 编程指南,内容如下:

Broadcast variables allow the programmer to keep a read-only variable cached on each machine rather than shipping a copy of it with tasks.

考虑到上述情况,广播变量的用例有哪些?广播变量解决什么问题?

当我们创建像下面这样的广播变量时​​,变量引用,这里的broadcastVar在集群中的所有节点中都可用?

val broadcastVar = sc.broadcast(Array(1, 2, 3))

这些变量在节点内存中可用多久?

最佳答案

如果您有一个从 Spark Closures 访问的巨大数组,例如一些引用数据,则该数组将通过闭包传送到每个 Spark 节点。例如,如果您有 10 个节点的集群,有 100 个分区(每个节点 10 个分区),则该阵列将至少分发 100 次(每个节点 10 次)。

如果您使用广播,它将使用高效的 p​​2p 协议(protocol)在每个节点分发一次。

val array: Array[Int] = ??? // some huge array
val broadcasted = sc.broadcast(array)

还有一些 RDD

val rdd: RDD[Int] = ???

在这种情况下,数组每次都会在关闭时发送

rdd.map(i => array.contains(i))

通过广播,您将获得巨大的性能优势

rdd.map(i => broadcasted.value.contains(i))

关于apache-spark - 什么是广播变量?他们解决什么问题?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26884871/

25 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com