Spark Streaming工作原理

工作原理：

粗力度

spark streaming接收到实时数据流，把数据按照指定的时间段切成一片片小的数据库，然后把小的数据库传给Spark Engine处理

细粒度：

（1）driver：启动spark应用程序，构建StreamingContext

（2）executor：启动receiver接收器，接收数据

（3）executor：接收input Stream，然后拆分不同block（小块），将数据备份到其他executor

（4）executor：receiver将block存储信息发送给StreamingContext

（5）driver：启动job，然后将task提交到对应executor上执行

 

Spark应用程序运行在Driver端。Receiver是运行在Executor里面的，Driver运行一个Receiver作为一个Task。数据流进入Receiver，Receiver把数据流拆成小块放在内存中。被拆分后的数据会备份到另外一台机器的内存中。然后Receiver向Streaming Context汇报Block信息。Streaming Context会把数据做成RDD，然后在Spark Context上启动jobs。Spark Context会把作业提交到各个Executor中运行。

新建StreamingContext对象时，需要使用sparkconf对象，sparkconf对象会定义使用几个线程  local[n],一个注意点就是一定要让n的个数大于receiver的个数,因为每一个receiver在接收数据的时候都会占用一个线程。如果线程数少于receiver的时候，接收过来之后不会对数据进行处理（主线程会占用一个线程）。

    val sparkConf = new SparkConf().setMaster("local[2]").setAppName("NetworkWordCount")

    /**
      * 创建StreamingContext需要两个参数：SparkConf和batch interval
      */
    val ssc = new StreamingContext(sparkConf, Seconds(5))

    val lines = ssc.socketTextStream("localhost", 6789)

    val result = lines.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)

    result.print()

    ssc.start()
    ssc.awaitTermination()