Apache Spark：更新worker中的全局变量

Question

我很好奇以下简单的代码是否可以在分布式环境中工作（它在独立的情况下是否可以正常工作）？

public class TestClass {
    private static double[][] testArray = new double[4][];
    public static void main(String[] args) {
        for(int i = 0; i<4; i++)
        {
            testArray[i] = new double[10];
        }
        ...
        JavaRDD<String> testRDD = sc.textFile("testfile", 4).mapPartitionsWithIndex(
            new Function2<Integer, Iterator<String>, Iterator<String> >() {
                @Override
                public Iterator<String> call(Integer ind, Iterator<String> s) {
                    /*Update testArray[ind]*/
                }
            }, true
        );
    ...

如果它应该工作，我想知道Spark如何将testArray的部分从worker发送到主节点？

Answer 1

不，它不应该在分布式环境中工作。

闭包中捕获的变量将被序列化并发送给工人。 最初在驱动程序中设置的数据将可供工作人员使用，但工作人员级别的任何更新只能在本地范围内访问。

在本地，变量位于相同的内存空间中，因此您可以看到更新，但不会扩展到群集。

您需要根据RDD操作转换计算以收集结果。