這篇文章主要介紹“如何解密Spark Streaming”，在日常操作中，相信很多人在如何解密Spark Streaming問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何解密Spark Streaming”的疑惑有所幫助！接下來，請跟著小編一起來學(xué)習(xí)吧！

公司主營業(yè)務(wù)：成都網(wǎng)站設(shè)計、成都網(wǎng)站制作、移動網(wǎng)站開發(fā)等業(yè)務(wù)。幫助企業(yè)客戶真正實(shí)現(xiàn)互聯(lián)網(wǎng)宣傳，提高企業(yè)的競爭能力。創(chuàng)新互聯(lián)公司是一支青春激揚(yáng)、勤奮敬業(yè)、活力青春激揚(yáng)、勤奮敬業(yè)、活力澎湃、和諧高效的團(tuán)隊。公司秉承以“開放、自由、嚴(yán)謹(jǐn)、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領(lǐng)域給我們帶來的挑戰(zhàn)，讓我們激情的團(tuán)隊有機(jī)會用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)公司推出嶧城免費(fèi)做網(wǎng)站回饋大家。

1，解密Spark Streaming Job架構(gòu)和運(yùn)行機(jī)制

 先通過運(yùn)行在線單詞統(tǒng)計這個例子，觀察Spark Streaming在控制臺上輸出的日志信息。

以下代碼為在9999端口監(jiān)聽客戶端連接請求，然后不斷向客戶端發(fā)送單詞。

先啟動SocketServer，然后在啟動SparkStreaming在線統(tǒng)計單詞的程序，代碼如下

運(yùn)行過程總結(jié)如下

1，StreamingContext啟動后會ReceiverTracker，根據(jù)創(chuàng)建時指定的batchDuration時間，啟動RecurringTimer定時器，間隔Interval發(fā)送JobGenerator消息，會啟動JobGenerator和JobScheduler和BlockGenerator。

2，ReceiverTracker接收到Receiver(Stream 0)的注冊消息，然后RecevierSupervisorImpl啟動Receiver來接收數(shù)據(jù)。

3，SocketServer連接到localhost:9999開始接收數(shù)據(jù)，將接收到的數(shù)據(jù)通過BlockGenerator存放到BlockManager中。

4，JobScheduler接收到定期發(fā)送的JobGenerator消息后，提交一個Job，DStreamGraph從ReceiverTracker中獲取數(shù)據(jù)生成RDD，DAGScheduler調(diào)度Job的執(zhí)行，讓TaskSchedulerImpl向Executor發(fā)送TaskSet，讓Executor執(zhí)行。

5，Task運(yùn)行完后將結(jié)果發(fā)送給Driver，DAGScheduler和JbScheduler打印Job完成和耗時信息，最后在控制臺輸出單詞統(tǒng)計結(jié)果。

可以看到隨著時間的流逝會有不斷的Job生成并且運(yùn)行，那么，Spark Streaming中Job是如何生成的？

在StreamingContext調(diào)用start方法的內(nèi)部其實(shí)是會啟動JobScheduler的start方法，進(jìn)行消息循環(huán)，在JobScheduler的start內(nèi)部會構(gòu)造JobGenerator和ReceiverTracker，并且調(diào)用JobGenerator和ReceiverTracker的start方法

    1，JobGenerator啟動后不斷的根據(jù)batchDuration生成一個個的Job

    2，ReceiverTracker啟動后首先在Spark集群中啟動Receiver(其實(shí)在Executor中先啟動ReceiverSupervisor)在Receiver接收到數(shù)據(jù)后會通過ReceiverSupervisor將數(shù)據(jù)存儲到Executor的BlockManager中，并且把數(shù)據(jù)的Metadata信息發(fā)送給Driver的ReceiverTracker，在ReceiverTracker內(nèi)部通過ReceivedBlockTracker來管理接收到的元數(shù)據(jù)信息

每個BatchInterval會產(chǎn)生一個具體的Job，其實(shí)這里的Job不是SparkCore中的Job，它只是基于DStreamGraph而生成的RDD的DAG而已，從Java角度講，相等于Runnable接口實(shí)例，此時要向運(yùn)行Job需要提交給JobScheduler，在JobScheduler中通過線程池中單獨(dú)的線程

來提交Job到集群運(yùn)行(其實(shí)是在線程中基于RDD的Action觸發(fā)真正的作業(yè)的運(yùn)行)

為什么使用線程池？

1，作業(yè)不斷生成，所以為了提升效率，我們需要線程池。這和Executor中通過線程池執(zhí)行Task有異曲同工之妙

2，有可能設(shè)置了Job的FAIR公平調(diào)度的方式，這個時候也需要多線程的支持

2，解密Spark Streaming容錯架構(gòu)和運(yùn)行機(jī)制

容錯分為Driver級別的容錯和Executor級別的容錯。

在Executor級別的容錯具體為接收數(shù)據(jù)的安全性和任務(wù)執(zhí)行的安全性。在接收數(shù)據(jù)安全性方面，一種方式是Spark Streaming接收到數(shù)據(jù)默認(rèn)為MEMORY_AND_DISK_2的方式，在兩臺機(jī)器的內(nèi)存中，如果一臺機(jī)器上的Executor掛了，立即切換到另一臺機(jī)器上的Executor，這種方式一般情況下非常可靠且沒有切換時間。另外一種方式是WAL（Write Ahead Log），在數(shù)據(jù)到來時先通過WAL機(jī)制將數(shù)據(jù)進(jìn)行日志記錄，如果有問題則從日志記錄中恢復(fù)，然后再把數(shù)據(jù)存到Executor中，再進(jìn)行其他副本的復(fù)制，這種方式對性能有影響。在生產(chǎn)環(huán)境中一般使用Kafka存儲，Spark Streaming接收到數(shù)據(jù)丟失時可以從Kafka中回放。在任務(wù)執(zhí)行的安全性方面，靠RDD的容錯。

在Driver級別的容錯具體為DAG生成的模板，即DStreamGraph，RecevierTracker中存儲的元數(shù)據(jù)信息和JobScheduler中存儲的Job進(jìn)行的進(jìn)度情況等信息，只要通過checkpoint就可以了，每個Job生成之前進(jìn)行checkpoint，在Job生成之后再進(jìn)行checkpoint，如果出錯的話就從checkpoint中恢復(fù)。

到此，關(guān)于“如何解密Spark Streaming”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識，請繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！

新聞標(biāo)題：如何解密SparkStreaming
分享地址：http://www.chinadenli.net/article46/ppjehg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App開發(fā)、網(wǎng)頁設(shè)計公司、靜態(tài)網(wǎng)站、自適應(yīng)網(wǎng)站、響應(yīng)式網(wǎng)站、網(wǎng)站營銷

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)