如何解密SparkStreaming

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習吧！

公司主營業(yè)務：成都網(wǎng)站設計、成都網(wǎng)站制作、移動網(wǎng)站開發(fā)等業(yè)務。幫助企業(yè)客戶真正實現(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、勤奮敬業(yè)、活力青春激揚、勤奮敬業(yè)、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴謹、自律”為核心的企業(yè)文化，感謝他們對我們的高要求，感謝他們從不同領域給我們帶來的挑戰(zhàn)，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。創(chuàng)新互聯(lián)公司推出嶧城免費做網(wǎng)站回饋大家。

1，解密Spark Streaming Job架構和運行機制

 先通過運行在線單詞統(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

運行過程總結如下

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調度Job的執(zhí)行，讓TaskSchedulerImpl向Executor發(fā)送TaskSet，讓Executor執(zhí)行。

5，Task運行完后將結果發(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)計結果。

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

在StreamingContext調用start方法的內部其實是會啟動JobScheduler的start方法，進行消息循環(huán)，在JobScheduler的start內部會構造JobGenerator和ReceiverTracker，并且調用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內部通過ReceivedBlockTracker來管理接收到的元數(shù)據(jù)信息

每個BatchInterval會產生一個具體的Job，其實這里的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接口實例，此時要向運行Job需要提交給JobScheduler，在JobScheduler中通過線程池中單獨的線程

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

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，有可能設置了Job的FAIR公平調度的方式，這個時候也需要多線程的支持

2，解密Spark Streaming容錯架構和運行機制

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)默認為MEMORY_AND_DISK_2的方式，在兩臺機器的內存中，如果一臺機器上的Executor掛了，立即切換到另一臺機器上的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機制將數(shù)據(jù)進行日志記錄，如果有問題則從日志記錄中恢復，然后再把數(shù)據(jù)存到Executor中，再進行其他副本的復制，這種方式對性能有影響。在生產環(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進行的進度情況等信息，只要通過checkpoint就可以了，每個Job生成之前進行checkpoint，在Job生成之后再進行checkpoint，如果出錯的話就從checkpoint中恢復。

到此，關于“如何解密Spark Streaming”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續(xù)學習更多相關知識，請繼續(xù)關注創(chuàng)新互聯(lián)網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>

新聞標題：如何解密SparkStreaming
分享地址：http://www.jbt999.com/article46/ppjehg.html

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

廣告

聲明：本網(wǎng)站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：[email protected]。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)