大数据技术基础第九章：Spark Streaming编程.pptxVIP

下载本文档

6
0
约小于1千字
约 20页
2019-07-31 发布于辽宁
举报
版权申诉

大数据技术基础第九章：Spark Streaming编程.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第1章大数据技术概述;9.1 Spark Streaming介绍;9.2 Spark Streaming工作机制;Spark Streaming批处理;2. 任务调度流程;3. 容错性;4. 实时性;5. 扩展性与吞吐量;9.3 Spark的DStream流; 接收行的输入并拆分为单词;DStream有两种操作：转换和输出操作。DStream转换，与Spark RDD转换类似，也使用一个或多个DStream操作来创建新的DStream和转换后的数据。;DStream有两种操作：转换和输出操作。DStream转换，与Spark RDD转换类似，也使用一个或多个DStream操作来创建新的DStream和转换后的数据。;9.3.1 DStream转换;窗口可由多个连续的时间片组成，Spark Streaming允许通过窗口的滑动对数据进行转换或者进行数据的统计。窗口滑动是指前后窗口在某个时间片进行重叠，是指基于窗口的操作或者计算。;9.3.2 Window操作;当输出运算符被调用时，它触发一个流的计算。;类似于RDD，DStream一般保存流的数据在内存中，也可以缓存在磁盘上。保???数据在内存中在某些情况下是十分有用的： (1) DStream的数据将被计算多次，例如在相同的数据具有多个操作的情况下，这是很有用的。 (2) 对于像reduceByWindow、reduceByKeyAndWindow和updateStateByKey基于状态的操作和基于窗口的操作，这是必要的。 ;如果一个工作（Job）在数据的多个批次，则需要保留状态。一个有状态的操作所涉及的数据可能含在数据流的2个批次。这包括所有基于窗口的操作和updateStateByKey操作。由于有状态的操作对数据的前一批次有依赖，他们不断积累的数据随着时间的推移会越来越多。要清除这些元数据，可存到HDFS支持周期性的检查点。需要注意的是，检查点也需保存到HDFS，不过这可能导致相应的批处理需要更长的时间来处理。 ;9.4 Spark Streaming案例;9.5 集群处理与性能