Spark Streaming運(yùn)行流程是怎樣的

本篇內(nèi)容介紹了“Spark Streaming運(yùn)行流程是怎樣的”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

通過下面的一個(gè)簡(jiǎn)單的例子來理解spark streaming

object OnlineForeachRDD2DB {
  def main(args: Array[String]){
    /*
      * 第1步：創(chuàng)建Spark的配置對(duì)象SparkConf，設(shè)置Spark程序的運(yùn)行時(shí)的配置信息，
      * 例如說通過setMaster來設(shè)置程序要鏈接的Spark集群的Master的URL,如果設(shè)置
      * 為local，則代表Spark程序在本地運(yùn)行，特別適合于機(jī)器配置條件非常差（例如
      * 只有1G的內(nèi)存）的初學(xué)者       *
      */
    val conf = new SparkConf() //創(chuàng)建SparkConf對(duì)象
    conf.setAppName("OnlineForeachRDD") //設(shè)置應(yīng)用程序的名稱，在程序運(yùn)行的監(jiān)控界面可以看到名稱
//    conf.setMaster("spark://Master:7077") //此時(shí)，程序在Spark集群
    conf.setMaster("local[6]")
    //設(shè)置batchDuration時(shí)間間隔來控制Job生成的頻率并且創(chuàng)建Spark Streaming執(zhí)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調(diào)用start方法的內(nèi)部其實(shí)是會(huì)啟動(dòng)JobScheduler的Start方法，進(jìn)行消息循環(huán)，在JobScheduler
      * 的start內(nèi)部會(huì)構(gòu)造JobGenerator和ReceiverTacker，并且調(diào)用JobGenerator和ReceiverTacker的start方法：
      *   1，JobGenerator啟動(dòng)后會(huì)不斷的根據(jù)batchDuration生成一個(gè)個(gè)的Job
      *   2，ReceiverTracker啟動(dòng)后首先在Spark Cluster中啟動(dòng)Receiver（其實(shí)是在Executor中先啟動(dòng)ReceiverSupervisor），在Receiver收到
      *   數(shù)據(jù)后會(huì)通過ReceiverSupervisor存儲(chǔ)到Executor并且把數(shù)據(jù)的Metadata信息發(fā)送給Driver中的ReceiverTracker，在ReceiverTracker
      *   內(nèi)部會(huì)通過ReceivedBlockTracker來管理接受到的元數(shù)據(jù)信息
      * 每個(gè)BatchInterval會(huì)產(chǎn)生一個(gè)具體的Job，其實(shí)這里的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，從Java角度講，相當(dāng)于Runnable接口實(shí)例，此時(shí)要想運(yùn)行Job需要提交給JobScheduler，在JobScheduler中通過線程池的方式找到一個(gè)
      * 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），為什么使用線程池呢？
      *   1，作業(yè)不斷生成，所以為了提升效率，我們需要線程池；這和在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(gè)時(shí)候也需要多線程的支持；
      *
      */
    ssc.start()
    ssc.awaitTermination()

  }
}

“Spark Streaming運(yùn)行流程是怎樣的”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！