Spark Streaming/Flink广播实现作业配置动态更新

前言

在实时计算作业中，往往需要动态改变一些配置，举几个栗子：

• 实时日志ETL服务，需要在日志的格式、字段发生变化时保证正常解析；
• 实时NLP服务，需要及时识别新添加的领域词与停用词；
• 实时风控服务，需要根据业务情况调整触发警告的规则。

那么问题来了：配置每次变化都得手动修改代码，再重启作业吗？答案显然是否定的，毕竟实时任务的终极目标就是7 x 24无间断运行。Spark Streaming和Flink的广播机制都能做到这点，本文分别来简单说明一下。

Spark Streaming的场合

image

很久之前我在这里详细分析了Spark Core内部的广播机制。但广播变量(broadcast variable)的设计初衷是简单地作为只读缓存，在Driver与Executor间共享数据，Spark文档中的原话如下：

Broadcast variables allow the programmer to keep a read-only variable cached on each machine rather than shipping a copy of it with tasks. They can be used, for example, to give every node a copy of a large input dataset in an efficient manner.

也就是说原生并未支持广播变量的更新，所以我们得自己稍微hack一下。直接贴代码吧。