SparkStreaming(一)——概述

SparkStreaming是什么？

Spark Streaming用于流式数据的处理。Spark Streaming支持的数据输入源很多，例如：Kafka、Flume、Twitter、ZeroMQ和简单的TCP套接字等等。数据输入后可以用Spark的高度抽象原语如：map、reduce、join、window等进行运算。而结果也能保存在很多地方，如HDFS，数据库等。

 

 它的这种输入->处理->输出模型可以类比RDD的计算模型；只不过，相比于RDD，它的数据源是实时的。

Spark Streaming使用离散化流(discretized stream)作为抽象表示，叫作DStream。DStream 是随时间推移而收到的数据的序列。在内部，每个时间区间收到的数据都作为 RDD 存在，而DStream是由这些RDD所组成的序列(因此得名“离散化”)。

 

SparkStreaming架构

 

 

架构图1

架构图2

 

 

1）数据流被接收器接收，封装成DStream，传递给driver；接收器是一个executor，是一个长期长期运行的线程。

2）driver把任务进行分解，分发给其他executor执行；底层还是利用SparkContext和RDD来实现的。

3）以批次为单位输出结果。