流式计算助力实时数据处理spark-streaming入门实战

导读：本次分享主题是《流式计算助力实时数据处理  spark-streaming入门实战》，主要内容分为3部分：

• 1.Spark基础

• 2.Spark-streaming技术要点

• 3.任务演示

 

一.Spark基础

Spark技术框架

 

 

RDD和transform&action

     RDD 是 Spark 中最重要的数据形式。RDD可以具有不同的分区，分布在集群中的不同节点上。Spark提供了基于RDD函数化的操作（分为转换操作和行动操作）。

02

Spark-streaming技术要点

Spark-streaming原理

     离散流(DiscretizedStream或DStream)是Spark Streaming对流式数据的基本抽象方式，将流式数据通过一个微小的时间间隔分解为一串连续的RDD，Spark的流式计算通过对一系列连续的小规模RDD进行批处理来完成。

1. Spark-Streaming从生产环境的输入源中读取流式数据，并按照设定的时间间隔把数据分组为Dstream。

2. 随着时间进行，新的数据不断产生，