这取决于这些行所在的范围：

让我们看看三个选项--在 * 方法 * 中、在没有s1的 * 类 * 中以及在有s1的 * 类 * 中：

object TTT {

  val sc = new SparkContext("local", "test")

  def main(args: Array[String]): Unit = {
    new A().foo()  // works
    new B          // works
    new C          // fails
  }

  class A {
    def foo(): Unit = {
      // no problem here: vars in a method can be serialized on their own
      implicit val sc2: SparkContext = sc
      val s1 = "asdf"
      sc.parallelize(Array(1, 2, 3)).map(x1 => s1.map(x => 4)).count()
      println("in A - works!")
    }
  }

  class B {
    // no problem here: B isn't serialized at all because there are no references to its members
    implicit val sc2: SparkContext = sc
    sc.parallelize(Array(1, 2, 3)).map(x1 => "asdf".map(x => 4)).count()
    println("in B - works!")
  }

  class C extends Serializable {
    implicit val sc2: SparkContext = sc
    val s1 = "asdf" // to serialize s1, Spark will try serializing the YYY instance, which will serialize sc2
    sc.parallelize(Array(1, 2, 3)).map(x1 => s1.map(x => 4)).count() // fails
  }

}

底线是，无论是否隐式，当且仅当s1和sc2是一个类的成员时，这将失败，这意味着类必须被序列化，并将它们一起“拖动”。

作用域是spark-shell REPL。在这种情况下，sc2（以及顶层REPL作用域中定义的任何其他隐式值）只有在它是隐式的并且是RDD操作中使用的该作用域中的另一个值时才被序列化。这是有意义的，因为隐式值需要全局可用，因此会自动序列化到所有工作节点。