? ? ? ?Spark Streaming運(yùn)行時與其說是Spark Core上的一個流式處理框架，不如說是Spark Core上的一個最復(fù)雜的應(yīng)用程序。如果可以掌握Spark streaming這個復(fù)雜的應(yīng)用程序，那么其他的再復(fù)雜的應(yīng)用程序都不在話下了。
? ? ? ?我們知道Spark Core處理的每一步都是基于RDD的，RDD之間有依賴關(guān)系。上圖中的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(biāo)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(shí)例，進(jìn)而在集群中運(yùn)行。
? ? ? ?對于Spark Streaming來說，當(dāng)不同的數(shù)據(jù)來源的數(shù)據(jù)流進(jìn)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(shí)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(shí)例，所以說RDD的Graph脫胎于DStream的Graph，也就是說DStream就是RDD的模版，不同的時間間隔，生成不同的RDD Graph實(shí)例。
從Spark Streaming本身出發(fā)：
1.需要RDD DAG的生成模版：DStream Graph
2需要基于Timeline的job控制器
3需要inputStreamings和outputStreamings，代表數(shù)據(jù)的輸入和輸出
4具體的job運(yùn)行在Spark Cluster之上，由于streaming不管集群是否可以消化掉，此時系統(tǒng)容錯就至關(guān)重要
5事務(wù)處理，我們希望流進(jìn)來的數(shù)據(jù)一定會被處理，而且只處理一次。在處理出現(xiàn)崩潰的情況下如何保證Exactly once的事務(wù)語意。
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(yīng)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jobScheduler在集群上運(yùn)行。再次驗(yàn)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(dá)的最終都是通過RDD的轉(zhuǎn)化實(shí)現(xiàn)的。前者是更高級別的抽象，后者是底層的實(shí)現(xiàn)。DStream實(shí)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(wù)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(jìn)行transform操作，進(jìn)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(yùn)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（Spark發(fā)行版本定制）
更多私密內(nèi)容，請關(guān)注微信公眾號：DT_Spark
如果您對大數(shù)據(jù)Spark感興趣，可以免費(fèi)聽由王家林老師每天晚上20：00開設(shè)的Spark永久免費(fèi)公開課，地址YY房間號：68917580
