RDD用法与实例（十一）Spark中master、worker、executor和driver的关系，通过broadcast形成共享和直接生成全局变量的区别
Spark中master、worker、executor和driver的关系
master是大哥，worker是工人小弟们。master大哥有一个副手老二叫driver，手上管着一批货物executor（memory cpu等资源），老二会问大哥咋分给小弟们呢，大哥说哎，就这么分，张三比较菜（worker）搬两箱（executor），李四能者多劳（worker）搬五箱（executor）。
但是重点不是搬货物完了就行，货箱里的材料还需要不断返工和沟通来完成成品制作。就需要小弟们不断沟通，不断请示大哥。
假设这次做工，是做衣服。需要有织布、印染、打版、裁剪等等工序。而大家都需要看到同一张服装设计图。但是工厂很穷，不能给每个人都印一张设计图。于是老板决定让大家共享设计图，在幕布上投射出这张设计图，一起看。（不要纠结为什么幕布就比印刷设计图便宜，例子举的不好）
这个共享的过程就叫broadcast。通过广播让所有worker执行task时能够共享同一个变量，从而提升io效率。
如果大哥觉得自己很豪不在乎印刷设计图的钱，每个人都发一张，这样每个worker在执行任务时都有自己的这样一个变量副本。
理解不深，等后续学透还有待修改