代码演示：

xxxxxxxxxx
package com.itbaizhan.core

import org.apache.spark.rdd.RDD
import org.apache.spark.util.LongAccumulator
import org.apache.spark.{SparkConf, SparkContext}

object CoreAccumulator2 {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setMaster("local[*]").setAppName("Accumulator2")
    val sc = new SparkContext(conf)
    //1.创建一个rdd对象
    val rdd: RDD[Int] = sc.parallelize(Range(1, 26, 1).toList, 2)
    //2.创建一个累加器对象
    //sc.longAccumulator(0)//该方式已经过时
    val sum: LongAccumulator = sc.longAccumulator("myFirstAcc")
    //如果担心之前被使用过，怕产生不必要的干扰，可以重置
    //sum.reset()
    //3.自定义一个函数
    def mapFunc(data:Int): Int ={
      sum.add(1)
      print(sum.value+",")
      return data
    }
    val result: Array[Int] = rdd.map(mapFunc).collect()
    println()
    println(result.mkString(","))
    println("driver sum:"+sum.value)//25
    sc.stop()
  }
}

实时效果反馈

1. 关于Spark累加器的相关描述，正确的是：

A 在Driver程序中定义的普通变量，在Executor端的每个Task都会得到这个变量的一份新的副本，每个task更新这些副本的值后，不改变Driver端变量的值。

B 在Driver程序中定义的累加器变量，在Executor端的每个Task都会得到这个变量的一份新的副本，每个task更新这些副本的值后，传回Driver端进行merge。

C 累加器可用于跨Task任务进行计数统计。

D 以上三个选项都正确。

答案：

1=>D。