原创力文档- 1、本文档共10页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
Sparkday06
1.DriverHA（Standalone或者Mesos）
因为SparkStreaming是7*24小时运行，Driver只是一个简单的进程，有
可能挂掉，所以实现Driver的HA就有必要（如果使用的Client模式就无
法实现DriverHA，这里针对的是cluster模式）。Yarn平台cluster模式
提交任务，AM(AplicationMaster)相当于Driver，如果挂掉会自动启动
AM。这里所说的DriverHA针对的是Sparkstandalone和Mesos资源调
度的情况下。实现Driver的高可用有两个步骤:
第一：提交任务层面，在提交任务的时候加上选项--supervise,当Driver
挂掉的时候会自动重启Driver。
第二：代码层面，使用JavaStreamingContext.getOrCreate
（checkpoint路径，JavaStreamingContextFactory）
Driver中元数据包括：
1.创建应用程序的配置信息。
2.DStream的操作逻辑。
3.job中没有完成的批次数据，也就是job的执行进度。
2.Kafka
1.kafka是什么？使用场景？
kafka是一个高吞吐的分布式消息队列系统。特点是生产者消费者模
式，先进先出（FIFO）保证顺序，自己不丢数据，默认每隔7天清理数
据。消息列队常见场景：系统之间解耦合、峰值缓冲、异步通信。
2.kafka生产消息、消息、消费消息
Kafka架构是由producer（消息生产者）、consumer（消息消费
者）、borker(kafka集群的server，负责处理消息读、写请求，
消息，在kafkacluster这一层这里，其实里面是有很多个broker)、
topic（消息队列/分类相当于队列，里面有生产者和消费者模型）、
zookeeper(元数据信息存在zookeeper中，包括：消费偏移量，
topic话题信息，partition信息)这些部分组成。
kafka里面的消息是有topic来组织的，简单的我们可以想象为一个队
列，一个队列就是一个topic，然后它把每个topic又分为很多个
partition，这个是为了做并行的，在每个partition消息强有序，
相当于有序的队列，其中每个消息都有个序号offset，比如0到12，
从前面读往后面写。一个partition对应一个broker，一个broker可
以管多个partition，比如说，topic有6个partition，有两个
broker，那每个broker就管3个partition。这个partition可以很简
单想象为一个文件，当数据发过来的时候它就往这个partition上面
append，追加就行，消息不经过内存缓冲，直接写入文件，kafka和
很多消息系统不一样，很多消息系统是消费完了我就把它删掉，而
kafka是根据时间策略删除，而不是消费完就删除，在kafka里面没有
一个消费完这么个概念，只有过期这样一个概念。
producer自己决定往哪个partition里面去写，这里有一些的策略，譬
如hash。consumer自己消费到哪个offset，每个consumer都
文档评论（0）