Spark Streaming（二十五）初始化StreamingContext、初识DStream

初始化StreamingContext

初始化一个SparkStreaming程序，必须创建StreamingContext对象，因为它是SparkStreaming处理流式数据的入口。

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

    //初始化SparkConf
    val conf = new SparkConf().setMaster("local[2]").setAppName("Streamingtest")
    /**
      * 初始化StreamingContext，并设置2秒一次批处理
      * appName就是展示在SparkUI上应用的名称
      * master：就是Spark、Mesos、Yarn cluster Url，或者指定为"local[*]"运行在本地、实际应用程序运行在集群上，
      *         我们不应该将master硬编码在程序中，但是作为本地测试，你可以用"local[*]"这种方式，如果提交到集群上
      *         不要用这种方式，要按照实际的环境有外部传入该参数。
      */
    val streaming = new StreamingContext(conf, Seconds(2))

一个StreamingContext对象也可以由已经存在的SparkContext进行创建

 def main(args: Array[String]): Unit = {
    //创建SparkConf
    val conf = new SparkConf().setAppName("").setMaster("local[2]")
    
    //创建SparkContext
    val sc = new SparkContext(conf)

    //由已经存在的SparkContext创建StreamingContext
    val streaming = new StreamingContext(sc, Seconds(2))
  }

SparkStreaming编码开发流程

当StreamingContext创建完成以后，那么我们就会进行一下步骤，开始应用程序的开发

• 定义一个输入源来创建DStream
• 定义DStream的转换操作和输出操作
• 开始等待数据的输入和处理streamingContext.start()
• 等待正在处理的程序停止streamingContext.awaitTerminathion()
• 通过stremingContext.stop()手动停止处理程序

SparkStreaming开发过程要注意的事项

• 当一个StreamingContext已经启动了，就不能添加或者设置新的流式计算。也就是在streamingContext.start()的代码后边就不能再利用streamingContext创建新的流式计算。
• StreamingContext停止后，就会无法启动。也就是说在streamingContext.stop()后边在此执行streamingContext.start()是无效的。
• 在虚拟机中只能同时激活一个StreamingContext
• StreamingContext的stop方法，也会停止SparkContext，如果执行停止StreamingContext，只需要在stop方法内指定是否终止SparkContext，默认是true，需要指定为false。streamingContext.stop(false)
• 只要在创建下一个StreamingContext的时候停止前一个StreamingContext（不停止SparkContext），就可以重复利用SparkContext创建多个StreamingContext

离散流（DStream）

DStream（Discretized Stream）是SparkStreaming提供的一种抽象。它是一种连续的数据流，它可以使从接收到的输入数据流 ，也可以是通过转换输入流后得到的数据流。数据流的内部就是一系列的RDD。DStream中每个RDD都是特定时间间隔内的数据。操作数据流最终都会转换最底层的RDD上的操作。如图所示