问题很可能是由于Spark AccumulatorV2的用法不正确引起的。下面是一个示例代码，展示了Spark AccumulatorV2的正确用法：

import org.apache.spark._ import org.apache.spark.util._ import org.apache.spark.sql._ import org.apache.spark.sql.functions._ import org.apache.spark.sql.types._

object SparkAccumulatorExample { def main(args: Array[String]): Unit = {

val spark = SparkSession.builder()
  .appName(this.getClass.getSimpleName)
  .master("local[*]")
  .getOrCreate()
  
val sc = spark.sparkContext

// 定义AccumulatorV2对象
val myAccumulator = new LongAccumulator
// 将Accumulator对象注册到SparkContext中
sc.register(myAccumulator, "myAccumulator")

val data = Seq((1L, "a"), (2L, "b"), (3L, "c"))
val rdd = sc.parallelize(data).map{case (id, value) =>
  // 使用Accumulator对象进行值的累加操作
  myAccumulator.add(id)
  (id, value)
}

// 输出Accumulator的值
println("Accumulator result = " + myAccumulator.value)

// 停止SparkSession
spark.stop()

} }

在上面的示例代码中，我们定义了一个Long类型的AccumulatorV2对象，并将它注册到SparkContext中，并使用它计算rdd中的id值的和。然后，我们输出了Accumulator的值。这里需要注意的是，Accumulator是在Executor端进行值的累加操作的，因此在Driver端我们需要使用Accumulator的value方法获取值。