Scala 如何在RDD映射操作中更新全局变量

我有RDD[（Int，Array[Double]），然后，我调用了一个类函数

val rdd = spark.sparkContext.parallelize(Seq(
        (1, Array(2.0,5.0,6.3)),
        (5, Array(1.0,3.3,9.5)),
        (1, Array(5.0,4.2,3.1)),
        (2, Array(9.6,6.3,2.3)),
        (1, Array(8.5,2.5,1.2)),
        (5, Array(6.0,2.4,7.8)),
        (2, Array(7.8,9.1,4.2))
      )
    )
 val new_class = new ABC
 new_class.demo(data)

在类中，声明了一个全局变量值=0。在demo（）中声明了新变量new_value=0。映射操作完成后，新的_值将更新，并在映射内打印更新后的值

class ABC extends Serializable {
        var value  = 0
        def demo(data_new : RDD[(Int ,Array[Double])]): Unit ={
            var new_value = 0
            data_new.coalesce(1).map(x => {
                if(x._1 == 1)
                    new_value = new_value + 1
                println(new_value)
                value = new_value
            }).count()
            println("Outside-->" +value)
        }
    }

输出：-

1
1
2
2
3
3
3
Outside-->0

---

映射操作后如何更新全局变量值？

否您不能从映射内部更改全局变量

如果您试图计算函数中的一个数，则可以使用过滤器

val value = data_new.filter(x => (x._1 == 1)).count 
println("Outside-->" +value)

输出：

Outside-->3

此外，不建议使用可变变量

var

。您应该始终尝试使用不可变as

val

---

我希望这有帮助

不，您不能从地图内部更改全局变量

如果您试图计算函数中的一个数，则可以使用过滤器

val value = data_new.filter(x => (x._1 == 1)).count 
println("Outside-->" +value)

输出：

Outside-->3

此外，不建议使用可变变量

var

。您应该始终尝试使用不可变as

val

---

我希望这有帮助

我不确定您在做什么，但您需要使用来执行需要添加这样的值的操作类型

以下是一个例子：

scala> val rdd = spark.sparkContext.parallelize(Seq(
     |         (1, Array(2.0,5.0,6.3)),
     |         (5, Array(1.0,3.3,9.5)),
     |         (1, Array(5.0,4.2,3.1)),
     |         (2, Array(9.6,6.3,2.3)),
     |         (1, Array(8.5,2.5,1.2)),
     |         (5, Array(6.0,2.4,7.8)),
     |         (2, Array(7.8,9.1,4.2))
     |       )
     | )
rdd: org.apache.spark.rdd.RDD[(Int, Array[Double])] = ParallelCollectionRDD[83] at parallelize at <console>:24

scala> val accum = sc.longAccumulator("My Accumulator")
accum: org.apache.spark.util.LongAccumulator = LongAccumulator(id: 46181, name: Some(My Accumulator), value: 0)

scala> rdd.foreach { x => if(x._1 == 1) accum.add(1) }

scala> accum.value
res38: Long = 3

---

您也可以使用

countByKey

，但在使用大数据集时要避免使用它。

我不确定您在做什么，但您需要使用它来执行需要这样添加值的操作类型

OR You can do achieve your problem in this way also:
class ABC extends Serializable {
        def demo(data_new : RDD[(Int ,Array[Double])]): Unit ={
            var new_value = 0
            data_new.coalesce(1).map(x => {
                if(x._1 == 1)
                  var key = x._1
             (key, 1)
            }).reduceByKey(_ + _)

        }
     println("Outside-->" +demo(data_new))
    }

以下是一个例子：

scala> val rdd = spark.sparkContext.parallelize(Seq(
     |         (1, Array(2.0,5.0,6.3)),
     |         (5, Array(1.0,3.3,9.5)),
     |         (1, Array(5.0,4.2,3.1)),
     |         (2, Array(9.6,6.3,2.3)),
     |         (1, Array(8.5,2.5,1.2)),
     |         (5, Array(6.0,2.4,7.8)),
     |         (2, Array(7.8,9.1,4.2))
     |       )
     | )
rdd: org.apache.spark.rdd.RDD[(Int, Array[Double])] = ParallelCollectionRDD[83] at parallelize at <console>:24

scala> val accum = sc.longAccumulator("My Accumulator")
accum: org.apache.spark.util.LongAccumulator = LongAccumulator(id: 46181, name: Some(My Accumulator), value: 0)

scala> rdd.foreach { x => if(x._1 == 1) accum.add(1) }

scala> accum.value
res38: Long = 3

---

---

您也可以使用

countByKey

，但要避免使用大数据集。

您是否正在尝试计算每个键的出现次数？如果是这样，那么还有更好的方法。谢谢你的回复。实际上我想知道如何更新全局变量。这只是一个例子，我已经尝试将类ABC（）更改为对象ABC（）。我得到了更新的值。那为什么不可能上课呢。全局变量声明中的类和对象之间有什么区别？您是否正在尝试计算每个键的出现次数？如果是这样，那么还有更好的方法。谢谢你的回复。实际上我想知道如何更新全局变量。这只是一个例子，我已经尝试将类ABC（）更改为对象ABC（）。我得到了更新的值。那为什么不可能上课呢。全局变量中的类和对象有什么区别declaration@T.Gaw真的。顺便说一句，我不知道OP想要什么：我实际上从来没有使用过累加器。但是我们不能说你不应该使用它们。但您的评论显然是正确的：确定可能不应该，但应意识到可能的任务重新启动确定，修改版本，以前的评论不能编辑：只有当您意识到任务重新启动时，才应在转换中使用累加器：

仅用于内部操作执行的累加器更新，Spark保证每个任务对累加器的更新只应用一次，即重新启动的任务不会更新值。在转换过程中，用户应该意识到，如果重新执行任务或作业阶段，每个任务的更新可能会被应用多次。

@T.Gawęda。顺便说一句，我不知道OP想要什么：我实际上从来没有使用过累加器。但是我们不能说你不应该使用它们。但您的评论显然是正确的：确定可能不应该，但应意识到可能的任务重新启动确定，修改版本，以前的评论不能编辑：只有当您意识到任务重新启动时，才应在转换中使用累加器：

仅用于内部操作执行的累加器更新，Spark保证每个任务对累加器的更新只应用一次，即重新启动的任务不会更新值。在转换过程中，用户应注意，如果重新执行任务或作业阶段，每个任务的更新可能会应用多次。

感谢您的回复。实际上我想知道如何更新全局变量。这只是一个示例。您可以添加一个真正的实现，而不是示例。我已尝试将类ABC（）更改为对象ABC（）。我得到了更新的值。那为什么不可能上课呢。全局变量声明中类和对象的区别是什么谢谢你的回答。实际上我想知道如何更新全局变量。这只是一个示例。您可以添加一个真正的实现，而不是示例。我已尝试将类ABC（）更改为对象ABC（）。我得到了更新的值。那为什么不可能上课呢。在全局变量声明中，类和对象之间有什么区别

OR You can do achieve your problem in this way also:
class ABC extends Serializable {
        def demo(data_new : RDD[(Int ,Array[Double])]): Unit ={
            var new_value = 0
            data_new.coalesce(1).map(x => {
                if(x._1 == 1)
                  var key = x._1
             (key, 1)
            }).reduceByKey(_ + _)

        }
     println("Outside-->" +demo(data_new))
    }