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。
-
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。
-
随着时间进行,新的数据不断产生,