StreamingContext、DStream、Receiver深度剖析

本博文主要有一下内容：
（1）对StreamingContext功能及源码剖析；
（2）对DStream功能及源码剖析；
（3）第三部分对Receiver功能及源码剖析；
（4）将StreamingContext、DStream、Receiver结合起来分析其流程。

一、StreamingContext功能及源码剖析：
1、 通过StreamingContext对象jssc，创建应用程序主入口，并连上Driver上的接收数据服务端口9999写入源数据：

JavastreamingContext jssc = new JavaStreamingContext("local[2]",
"JavaNetworkWordCount", new Duration(1000));
Jssc.checkpoint(".");//使用updateStateByKey（）函数需要设置checkpoint
//打开本地的端口9999
JavaReceiverInputDStream<String> lines = jssc.socketTextStream("localhost",9999);

2、 StreamingContext的主要功能有：

(1)主程序的入口；
（2）提供了各种创建DStream的方法接收各种流入的数据源（例如：Kafka、Flume、Twitter、ZeroMQ和简单的TCP套接字等）；
（3）通过构造函数实例化StreamingContext对象时，可以指定master URL、appName、或者传入SparkConf配置对象、或者已经创建的SparkContext对象；
（4）将接收的数据流传入DStreams对象中；
（5）通过StreamingContext对象实例的start方法启动当前应用程序的流计算框架或通过stop方法结束当前应用程序的流计算框架；

二、DStream功能及源码剖析：

1、 DStream是RDD的模板，DStream是抽象的，RDD也是抽象
2、 DStream的具体实现子类如下图所示


3、 以StreamingContext实例的socketTextSteam方法为例，其执行完的结果返回DStream对象实例，其源码调用过程如下图：

socket.getInputStream获取数据，while循环来存储储蓄数据(内存、磁盘)

三、Receiver功能及源码剖析：

1、Receiver代表数据的输入，接收外部输入的数据，如从Flume,Kafka上抓取数据；
2、Receiver运行在Worker节点上；
3、Receiver在Worker节点上抓取Kafka分布式消息框架上的数据时，具体实现类是KafkaReceiver；
4、Receiver是抽象类，其抓取数据的实现子类如下图所示：
5、 如果Receiver实现类都满足不了您的要求，您自己可以定义Receiver类，只需要继承Receiver抽象类来实现自己子类的业务需求
:

四、StreamingContext、DStream、Receiver结合流程分析：

（1）inputStream代表了数据输入流(如：Socket、Kafka、Flume等)
（2）Transformation代表了对数据的一系列操作，如flatMap、map等
（3）outputStream代表了数据的输出，例如wordCount中的println方法

数据数据在流进来之后最终会生成Job，最终还是基于Spark Core的RDD进行执行：在处理流进来的数据时是DStream进行Transformation由于是StreamingContext所以根本不会去运行，StreamingContext会根据Transformation生成”DStream的链条”及DStreamGraph，而DStreamGraph就是DAG的模板，这个模板是被框架托管的。当我们指定时间间隔的时候，Driver端就会根据这个时间间隔来触发Job而触发Job的方法就是根据OutputDStream中指定的具体的function,例如wordcount中print，这个函数一定会传给ForEachDStream，它会把函数交给最后一个DStream产生的RDD，也就是RDD的print操作，而这个操作就是RDD触发Action。

博文内容源自DT大数据梦工厂Spark课程。相关课程内容视频可以参考：
百度网盘链接：http://pan.baidu.com/s/1slvODe1（如果链接失效或需要后续的更多资源，请联系QQ460507491或者微信号：DT1219477246 获取上述资料）。