第3课通过案例对SparkStreaming 透彻理解：解密SparkStreaming运行机制和架构进进阶之Job和容错
作者：大数据技术爱好者--谢彪
一、集群上运行案例：
package com.dt.spark.sparkstreaming
import org.apache.spark.SparkConf
importorg.apache.spark.streaming.{Seconds,StreamingContext}
object OnlineForeachRDD2DB {
defmain(args:Array[String]){
valconf = new SparkConf()//创建SparkConf对象
conf.setAppName("OnlineForeachRDD")//设置应用程序的名称，在程序运行的监控界面可以看到名称
// conf.setMaster("spark://Master:7077")//此时，程序在Spark集群
conf.setMaster("local[6]")
//设置batchDuration时间间隔来控制Job生成的频率并且创建SparkStreaming执行的入口
valssc = new StreamingContext(conf, Seconds(5))
val lines =ssc.socketTextStream("Master", 9999)
val words =lines.flatMap(_.split(" "))
valwordCounts = words.map(x => (x, 1)).reduceByKey(_ +_)
wordCounts.foreachRDD{ rdd =>
rdd.foreachPartition{ partitionOfRecords => {
//ConnectionPool is a static, lazily initialized pool ofconnections
valconnection = ConnectionPool.getConnection()
partitionOfRecords.foreach(record=> {
valsql = "insert into streaming_itemcount(item,count)values('" +record._1 + "'," + record._2 + ")"
valstmt = connection.createStatement();
stmt.executeUpdate(sql); })
ConnectionPool.returnConnection(connection) //return to the pool forfuturereuse
} }
}
ssc.start()
ssc.awaitTermination()
}
}
二、通过运行上述案例代码，从web界面中可知其背后的RDD的依赖关系
以上述图可知：
1、在StreamingContext调用start方法的内部其实是会启动JobScheduler的Start方法，进行消息循环，在JobScheduler的start内部会构造JobGenerator和ReceiverTacker，并且调用JobGenerator和ReceiverTacker的start方法：
（1）、JobGenerator启动后会不断的根据batchDuration生成一个个的Job
（2）、ReceiverTracker启动后首先在SparkCluster中启动Receiver（其实是在Executor中先启动ReceiverSupervisor），在Receiver收到数据后会通过ReceiverSupervisor存储到Executor并且把数据的Metadata信息发送给Driver中的ReceiverTracker，在ReceiverTracker内部会通过ReceivedBlockTracker来管理接受到的元数据信息
（3）、每个BatchInterval会产生一个具体的Job，其实这里的Job不是SparkCore中所指的Job，它只是基于DStreamGraph而生成的RDD的DAG而已，从Java角度讲，相当于Runnable接口实例，此时要想运行Job需要提交给JobScheduler，在JobScheduler中通过线程池的方式找到一个单独的线程来提交Job到集群运行（其实是在线程中基于RDD的Action触发真正的作业的运行）。
2、为什么使用线程池呢？
（1）、作业不断生成，所以为了提升效率，我们需要线程池；这和在Executor中通过线程池执行Task有异曲同工之妙。
（2）、有可能设置了Job的FAIR公平调度的方式，这个时候也需要多线程的支持。
-
资料来源于：DT_大数据梦工厂(Spark发行版本定制)
-
DT大数据梦工厂微信公众号:DT_Spark
-
新浪微博：http://www.weibo.com/ilovepains
-
王家林老师每晚20:00免费大数据实战
YY直播：68917580