Spark Streaming中的架構(gòu)設(shè)計(jì)和運(yùn)行機(jī)制是什么

這篇文章主要介紹“Spark Streaming中的架構(gòu)設(shè)計(jì)和運(yùn)行機(jī)制是什么”，在日常操作中，相信很多人在Spark Streaming中的架構(gòu)設(shè)計(jì)和運(yùn)行機(jī)制是什么問題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”Spark Streaming中的架構(gòu)設(shè)計(jì)和運(yùn)行機(jī)制是什么”的疑惑有所幫助！接下來，請(qǐng)跟著小編一起來學(xué)習(xí)吧！

RDD的模板是DStream，RDD DAG的模板是DStreamGraph,Spark Streaming是在RDD的基礎(chǔ)上加上時(shí)間維度，在Driver端會(huì)啟動(dòng)一個(gè)定時(shí)器，間隔BatchDuration生成Job，在Executor端會(huì)啟動(dòng)一個(gè)定時(shí)器，間隔200ms把接收到的數(shù)據(jù)放入BlockManager中，并把元數(shù)據(jù)信息上報(bào)給Driver端的ReceiverTracker，整個(gè)程序引擎是無時(shí)無刻在運(yùn)行的。

JobGenerator類中有一個(gè)timer對(duì)象，其間隔BatchDuration發(fā)送GenerateJobs消息來生成Job。

    BlockGenerator類中有一個(gè)blockIntervalTimer對(duì)象，每隔200ms調(diào)用updateCurrentBuffer方法，把接收到的數(shù)據(jù)交給BlockManager進(jìn)行存儲(chǔ)，并向ReceiverTracker上報(bào)元數(shù)據(jù)信息。

    RecurringTimer類中的loop方法是一個(gè)死循環(huán)，一直執(zhí)行，間隔一定的周期回調(diào)傳入的方法。

    此外，默認(rèn)的并行度具有遺傳性，父RDD的partition個(gè)數(shù)會(huì)遺傳給子RDD，當(dāng)RDD中每個(gè)partition中數(shù)據(jù)較少時(shí)，為了提高效率，可以先調(diào)用coalesce方法合并到指定的partition個(gè)數(shù)。Spark Streaming中存在空RDD，即RDD里面沒有數(shù)據(jù)，此時(shí)也會(huì)生成Job，Job的生成是定時(shí)觸發(fā)的，不關(guān)心RDD中是否有數(shù)據(jù)，這是為了使整個(gè)框架能正常運(yùn)行。

到此，關(guān)于“Spark Streaming中的架構(gòu)設(shè)計(jì)和運(yùn)行機(jī)制是什么”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(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！