原创力文档- 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
Sparkday06
1.SparkStreaming简介
SparkStreaming是流式处理框架，是SparkAPI的扩展，支持可扩展、高
吞吐量、容错的实时数据流处理，实时数据的可以是：Kafka,Flume,
,ZeroMQ或者TCPsockets，并且可以使用高级功能的复杂算子来
处理流数据。例如：map,reduce,join,window。最终，处理后的数据可以
存放在文件系统，数据库等，方便实时展现。
2.SparkStreaming与Storm的区别
1.Storm是纯实时的流式处理框架，SparkStreaming是准实时的处理框
架（微批处理）。因为微批处理，SparkStreaming的吞吐量比Storm
要高。
2.Storm的事务机制要比SparkStreaming的要完善。
3.Storm支持动态资源调度。(spark1.2开始和也支持)
4.SparkStreaming擅长复杂的业务处理，Storm不擅长复杂的业务处理，
擅长简单的汇总型计算。
3.SparkStreaming初始
1.SparkStreaming初始理解
注意:
SparkDay06
1。火花串
sparkstreaming是流式处理框架，是sparkapi的扩展，支持可扩展、
持可扩展、高，实时数据的可以是：kafka，flume，，Zeromq
或者tcp插座，并且可以使用高级功能的复杂算子来：映射，降低，降低，加
入，加入，窗口，窗口。最终，处理后的数据可以，数据库等，数据库等，
方便实时展现。，方便实时展现。
2。火花流度与风暴的区别
1。风暴是纯实时的流式处理框架，火花streaming是准实时的处理框（微
批处理）。因为微批处理，火花的吞吐量比风暴要高。
2。风暴的事务机制要比火花。
3。风暴支持动态资源调度。（Spark1.2开始和也支持）
4。火花streaming擅长复杂的业务处理，风暴不擅长复杂的业务处理，擅长
简单的汇总型计算。
3。火花串
1。火花串
注意:
receivertask是7*24小时一直在执行，一直接受数据，将一段
时间内接收来的数据保存到batch中。假设batchInterval为5s,那么
会将接收来的数据每隔5秒封装到一个batch中，batch没有分布式计
算特性，这一个batch的数据又被封装到一个RDD中，RDD最终封装
到一个DStream中。
例如：假设batchInterval为5秒，每隔5秒通过SparkStreaming将
得到一个DStream,在第6秒的时候计算这5秒的数据，假设执行任务
的时间是3秒,那么第6~9秒一边在接收数据，一边在计算任务，9~10
秒只是在接收数据。然后在第11秒的时候重复上面的操作。
如果job执行的时间大于batchInterval会有什么样的问题？
如果接受过来的数据设置的级别是仅内存，接收来的数据会越堆积越多，
最后可能会导致OOM（如果设置StorageLevel包含disk,则内存存放
不下的数据会溢写至disk,
文档评论（0）