Spark 的一個核心功能是創建兩種特殊類型的變量：廣播變量和累加器
廣播變量(groadcast varible)為只讀變量，它有運行SparkContext的驅動程序創建后發送給參與計算的節點。對那些需要讓工作節點高效地訪問相同數據的應用場景，比如機器學習。我們可以在SparkContext上調用broadcast方法創建廣播變量：
val broadcastList = sc.broadcast(List("Spark","Impala","Hadoop"))
廣播變量也可以被非驅動程序所在節點(即工作節點)訪問，訪問方法就是調用該變量的value方法
sc.parallelize(List("1","2","3")).map(x => broadcastList.value ++ x).collect
使用廣播變量可以優化資源提高性能
廣播變量的優勢：是因為不是每個task一份變量副本，而是變成每個節點的executor才一份副本。這樣的話，就可以讓變量產生的副本大大減少。
廣播變量，初始的時候，就在Drvier上有一份副本。task在運行的時候，想要使用廣播變量中的數據，此時首先會在自己本地的Executor對應的
BlockManager中，嘗試獲取變量副本；如果本地沒有，BlockManager，也許會從遠程的Driver上面去獲取變量副本；也有可能從距離比較近的其他
節點的Executor的BlockManager上去獲取，並保存在本地的BlockManager中；BlockManager負責管理某個Executor對應的內存和磁盤上的數據，
此后這個executor上的task，都會直接使用本地的BlockManager中的副本。
例如，50個executor，1000個task。一個map，10M：
默認情況下，1000個task，1000份副本。10G的數據，網絡傳輸，在集群中，耗費10G的內存資源。
如果使用了廣播變量。50個execurtor，50個副本。500M的數據，網絡傳輸，而且不一定都是從Driver傳輸到每個節點，還可能是就近從最近的
節點的executor的bockmanager上拉取變量副本，網絡傳輸速度大大增加；500M，大大降低了內存消耗。