Spark Streaming运行流程是怎样的

本篇内容介绍了"Spark Streaming运行流程是怎样的"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

通过下面的一个简单的例子来理解spark streaming

object OnlineForeachRDD2DB {  def main(args: Array[String]){    /*      * 第1步：创建Spark的配置对象SparkConf，设置Spark程序的运行时的配置信息，      * 例如说通过setMaster来设置程序要链接的Spark集群的Master的URL,如果设置      * 为local，则代表Spark程序在本地运行，特别适合于机器配置条件非常差（例如      * 只有1G的内存）的初学者       *      */    val conf = new SparkConf() //创建SparkConf对象    conf.setAppName("OnlineForeachRDD") //设置应用程序的名称，在程序运行的监控界面可以看到名称//    conf.setMaster("spark://Master:7077") //此时，程序在Spark集群    conf.setMaster("local[6]")    //设置batchDuration时间间隔来控制Job生成的频率并且创建Spark Streaming执行的入口    val ssc = new StreamingContext(conf, Seconds(5))    val lines = ssc.socketTextStream("Master", 9999)    val words = lines.flatMap(_.split(" "))    val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _)    wordCounts.foreachRDD { rdd =>      rdd.foreachPartition { partitionOfRecords => {        // ConnectionPool is a static, lazily initialized pool of connections        val connection = ConnectionPool.getConnection()        partitionOfRecords.foreach(record => {          val sql = "insert into streaming_itemcount(item,count) values('" + record._1 + "'," + record._2 + ")"          val stmt = connection.createStatement();          stmt.executeUpdate(sql);        })        ConnectionPool.returnConnection(connection)  // return to the pool for future reuse      }      }    }    /**      * 在StreamingContext调用start方法的内部其实是会启动JobScheduler的Start方法，进行消息循环，在JobScheduler      * 的start内部会构造JobGenerator和ReceiverTacker，并且调用JobGenerator和ReceiverTacker的start方法：      *   1，JobGenerator启动后会不断的根据batchDuration生成一个个的Job      *   2，ReceiverTracker启动后首先在Spark Cluster中启动Receiver（其实是在Executor中先启动ReceiverSupervisor），在Receiver收到      *   数据后会通过ReceiverSupervisor存储到Executor并且把数据的Metadata信息发送给Driver中的ReceiverTracker，在ReceiverTracker      *   内部会通过ReceivedBlockTracker来管理接受到的元数据信息      * 每个BatchInterval会产生一个具体的Job，其实这里的Job不是Spark Core中所指的Job，它只是基于DStreamGraph而生成的RDD      * 的DAG而已，从Java角度讲，相当于Runnable接口实例，此时要想运行Job需要提交给JobScheduler，在JobScheduler中通过线程池的方式找到一个      * 单独的线程来提交Job到集群运行（其实是在线程中基于RDD的Action触发真正的作业的运行），为什么使用线程池呢？      *   1，作业不断生成，所以为了提升效率，我们需要线程池；这和在Executor中通过线程池执行Task有异曲同工之妙；      *   2，有可能设置了Job的FAIR公平调度的方式，这个时候也需要多线程的支持；      *      */    ssc.start()    ssc.awaitTermination()  }}

"Spark Streaming运行流程是怎样的"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！