Spark Streaming
Spark Streaming是一个基于Spark Core之上的实时计算框架
SparkStreaming特点
易用:可以像编写离线批处理一样去编写流式程序,支持java/scala/python语言。
容错:SparkStreaming在没有额外代码和配置的情况下可以恢复丢失的工作。
易整合到Spark体系:流式处理与批处理和交互式查询相结合。
SparkStreaming在架构中得位置
Spark Streaming原理
流程
Spark Streaming中,会有一个接收器组件Receiver,作为一个长期运行的task跑在一个Executor上。Receiver接收外部的数据流形成input DStream
DStream会被按照时间间隔划分成一批一批的RDD(准实时性/近实时性(不是100%的实时)5秒钟之内是可以接受得)
对DStream进行操作就是对RDD进行操作。
数据抽象
Dstream:代表持续性的输入的数据流和经过各种Spark算子操作后的输出的结果数据流。
DStream本质上就是一系列时间上连续的RDD
对DStream的数据的进行操作也是按照RDD为单位来进行的
Spark Core SparkSQL Spark Streming三者底层的数据抽象
阐明以下数据抽象之间的关系。
DStream相关操作
1、数据接入:Receiver接收外部的数据
2、数据转化:Transformations(转换)
每个批次的处理不依赖于之前批次的数据
当前批次的处理需要使用之前批次的数据或者中间结果。
1.UpdateStateByKey(func)
2.Window Operations 窗口操作
3、数据输出:Output Operations(输出)/Action
某个Output Operations被调用时,spark streaming程序才会开始真正的计算过程
计算每个批次的数据得单词的总和
def main(args: Array[String]): Unit = {
//1 创建sparkConf
var conf =new SparkConf().setMaster(“local[*]”).setAppName(“SparkStremingDemo1”)
//2 创建一个sparkcontext
var sc =new SparkContext(conf)
sc.setLogLevel