不使用广播变量，如何在spark / pyspark中解析（可变）全局变量？

Question

说我在python中有一个全局公共对象-

class A:
    dict1 = {}

然后我在pyspark UDF中的代码中使用它作为

在''' main '''...

中的某个位置更新A.dict1

def someFunc():
    A.dict1["key1"] = some_value

在执行程序上使用A.dict1

def udfFunc():
    val = A.dict1["key1"]
    //Do python operations on val..

注册并在pyspark上下文中使用udfFunc。 操作顺序-

1) create spark context (cluster mode)
2) load input data from hdfs/s3 etc..
3) someFunc()
4) DataFrame operations using udfFunc() 

执行者如何获取A.dict1而不是{}的更新值？

我知道这是有效的..但是尝试了解如何在spark中解决此问题的机制（当我明确不使用Broadcast变量并且这是可变的时）。 AFAIK，必需的数据，代码，env在创建时便被交付给每个执行器，此后什么也没有，因此混淆了它的工作原理。