Podczas korzystania z funkcji UDF w Apache Spark do operacji rozproszonych, takich jak przetwarzanie modelu głębokiego uczenia, często spotyka się problem Sparka „SparkContext może być używany tylko w sterowniku”. Dzieje się tak ze względu na rygorystyczny charakter związany ze sterownikiem SparkContext, który kontroluje dystrybucję zadań. Zapobiegając konfliktom serializacji w rozproszonych potokach przetwarzania obrazów i gwarantując dostęp do modelu bez ponownej inicjalizacji w każdym węźle, rozwiązania takie jak zmienne rozgłaszania umożliwiają nam udostępnianie modeli węzłom roboczym w skuteczny sposób. Zdolność platformy Spark do obsługi skomplikowanych zadań uczenia maszynowego na dużą skalę jest znacznie poprawiona dzięki podejściu opartemu na transmisji.