第2課:通過案例對 spark streaming 透徹理解三板斧之二:spark streaming運行機制

本期內(nèi)容:
  1. Spark Streaming架構(gòu)
  2. Spark Streaming運行機制
  
  Spark大數(shù)據(jù)分析框架的核心部件: spark Core、spark Streaming流計算、GraphX圖計算、MLlib機器學習、Spark SQL、Tachyon文件系統(tǒng)、SparkR計算引擎等主要部件.
  


  Spark Streaming 其實是構(gòu)建在spark core之上的一個應用程序,要構(gòu)建一個強大的Spark應用程序 ,spark Streaming是一個值得借鑒的參考,spark Streaming涉及多個job交叉配合,基本涉及到了spark的所有的核心組件,精通掌握spark streaming是至關(guān)重要的。

Spark Streaming基礎(chǔ)概念理解:
    1. 離散流:(Discretized Stream ,DStream):這是spark streaming對內(nèi)部的持續(xù)的實時數(shù)據(jù)流的抽象描述,也即我們處理的一個實時數(shù)據(jù)流,在spark streaming中對應一個DStream ;
    2. 批數(shù)據(jù):將實時流時間以時間為單位進行分批,將數(shù)據(jù)處理轉(zhuǎn)化為時間片數(shù)據(jù)的批處理;
    3. 時間片或者批處理時間間隔:邏輯級別的對數(shù)據(jù)進行定量的標準,以時間片作為拆分流數(shù)據(jù)的依據(jù);
    4. 窗口長度:一個窗口覆蓋的流數(shù)據(jù)的時間長度。比如說要每隔5分鐘統(tǒng)計過去30分鐘的數(shù)據(jù),窗口長度為6,因為30分鐘是batch interval 的6倍;
    5. 滑動時間間隔:比如說要每隔5分鐘統(tǒng)計過去30分鐘的數(shù)據(jù),窗口時間間隔為5分鐘;
    6. input DStream :一個inputDStream是一個特殊的DStream 將spark streaming連接到一個外部數(shù)據(jù)源來讀取數(shù)據(jù)。
    7. Receiver :長時間(可能7*24小時)運行在Excutor之上,每個Receiver負責一個inuptDStream (比如讀取一個kafka消息的輸入流)。每個Receiver,加上inputDStream 會占用一個core/slot ;
   
  Spark Core處理的每一步都是基于RDD的,RDD之間有依賴關(guān)系。下圖中的RDD的DAG顯示的是有3個Action,會觸發(fā)3個job,RDD自下向上依賴,RDD產(chǎn)生job就會具體的執(zhí)行。從DSteam Graph中可以看到,DStream的邏輯與RDD基本一致,它就是在RDD的基礎(chǔ)上加上了時間的依賴。RDD的DAG又可以叫空間維度,也就是說整個Spark Streaming多了一個時間維度,也可以成為時空維度。
  

從這個角度來講,可以將Spark Streaming放在坐標系中。其中Y軸就是對RDD的操作,RDD的依賴關(guān)系構(gòu)成了整個job的邏輯,而X軸就是時間。隨著時間的流逝,固定的時間間隔(Batch Interval)就會生成一個job實例,進而在集群中運行。



  對于Spark Streaming來說,當不同的數(shù)據(jù)來源的數(shù)據(jù)流進來的時候,基于固定的時間間隔,會形成一系列固定不變的數(shù)據(jù)集或event集合(例如來自flume和kafka)。而這正好與RDD基于固定的數(shù)據(jù)集不謀而合,事實上,由DStream基于固定的時間間隔行程的RDD Graph正是基于某一個batch的數(shù)據(jù)集的。
  從上圖中可以看出,在每一個Batch上,空間維度的RDD依賴關(guān)系都是一樣的,不同的是這個五個Batch流入的數(shù)據(jù)規(guī)模和內(nèi)容不一樣,所以說生成的是不同的RDD依賴關(guān)系的實例,所以說RDD的Graph脫胎于DStream的Graph,也就是說DStream就是RDD的模板,不同的時間間隔,生成不同的RDD Graph實例。

從源碼解讀DStream :

  

  從這里可以看出,DStream就是Spark Streaming的核心,就想Spark Core的核心是RDD,它也有dependency和compute。更為關(guān)鍵的是下面的代碼:

  這是一個HashMap,以時間為key,以RDD為Value,這也正應證了隨著時間流逝,不斷的生成RDD,產(chǎn)生依賴關(guān)系的job,并通過JbScheduler在集群上運行。再次驗證了DStream就是RDD的模版。
  DStream可以說是邏輯級別的,RDD就是物理級別的,DStream所表達的最終都是通過RDD的轉(zhuǎn)化實現(xiàn)的。前者是更高級別的抽象,后者是底層的實現(xiàn)。DStream實際上就是在時間維度上對RDD集合的封裝,DStream與RDD的關(guān)系就是隨著時間流逝不斷的產(chǎn)生RDD,對DStream的操作就是在固定時間上操作RDD。

總結(jié):
    在空間維度上的業(yè)務邏輯作用于DStream,隨著時間的流逝,每個Batch Interval形成了具體的數(shù)據(jù)集,產(chǎn)生了RDD,對RDD進行Transform操作,進而形成了RDD的依賴關(guān)系RDD DAG,形成Job。然后JobScheduler根據(jù)時間調(diào)度,基于RDD的依賴關(guān)系,把作業(yè)發(fā)布到Spark Cluster上去運行,不斷的產(chǎn)生Spark作業(yè)。

備注:
資料來源于:DT_大數(shù)據(jù)夢工廠
更多私密內(nèi)容,請關(guān)注微信公眾號:DT_Spark
新浪微博:http://www.weibo.com/ilovepains
如果您對大數(shù)據(jù)Spark感興趣,可以免費聽由王家林老師每天晚上20:00開設(shè)的Spark永久免費公開課,地址YY房間號:68917580

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,825評論 6 546
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 99,814評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,980評論 0 384
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 64,064評論 1 319
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,779評論 6 414
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 56,109評論 1 330
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,099評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 43,287評論 0 291
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 49,799評論 1 338
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 41,515評論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,750評論 1 375
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,221評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 44,933評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,327評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,667評論 1 296
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,492評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,703評論 2 380

推薦閱讀更多精彩內(nèi)容