Spark学习笔记(3)SparkStreaming架构进阶之Job和容错
来源:互联网 发布:淘宝上的红酒是真的吗 编辑:程序博客网 时间:2024/06/07 00:04
本文内容
1 Spark Streaming Job 架构和运行机制
2 Spark Streaming Job 容错架构和运行机制
1 Spark Streaming Job 架构和运行机制
理解Spark Streaming的Job的整个架构和运行机制对于精通Spark Streaming是至关重要的。
一 首先我们运行以下的程序,然后通过这个程序的运行过程进一步加深理解Spark Streaming流处理的Job的执行的过程,代码如下:
object OnlineForeachRDD2DB { def main(args: Array[String]){ /* * 第1步:创建Spark的配置对象SparkConf,设置Spark程序的运行时的配置信息, * 例如说通过setMaster来设置程序要链接的Spark集群的Master的URL,如果设置 * 为local,则代表Spark程序在本地运行,特别适合于机器配置条件非常差(例如 * 只有1G的内存)的初学者 * */ val conf = new SparkConf() //创建SparkConf对象 conf.setAppName("OnlineForeachRDD") //设置应用程序的名称,在程序运行的监控界面可以看到名称 conf.setMaster("spark://Master:7077") //此时,程序在Spark集群 conf.setMaster("local[6]") //设置batchDuration时间间隔来控制Job生成的频率并且创建Spark Streaming执行的入口 val ssc = new StreamingContext(conf, Seconds(5)) val lines = ssc.socketTextStream("Master", 9999) val words = lines.flatMap(_.split(" ")) val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _) wordCounts.foreachRDD { rdd => rdd.foreachPartition { partitionOfRecords => { // ConnectionPool is a static, lazily initialized pool of connections val connection = ConnectionPool.getConnection() partitionOfRecords.foreach(record => { val sql = "insert into streaming_itemcount(item,count) values('" + record._1 + "'," + record._2 + ")" val stmt = connection.createStatement(); stmt.executeUpdate(sql); }) ConnectionPool.returnConnection(connection) // return to the pool for future reuse } } }/**
* 在StreamingContext调用start方法的内部其实是会启动JobScheduler的Start方法,进行消息循环,
* 在JobScheduler的start内部会构造JobGenerator和ReceiverTacker,并且调用JobGenerator和
* ReceiverTacker的start方法:
* 1,JobGenerator启动后会不断的根据batchDuration生成一个个的Job
* 2,ReceiverTracker启动后首先在Spark Cluster中启动Receiver(其实是在Executor中先启动
* ReceiverSupervisor),在Receiver收到数据后会通过ReceiverSupervisor存储到Executor并且把
* 数据的Metadata信息发送给Driver中的ReceiverTracker,在ReceiverTracker内部会通过
* ReceivedBlockTracker来管理接受到的元数据信息每个BatchInterval会产生一个具体的Job,
* 其实这里的Job不是Spark Core中所指的Job,它只是基于DStreamGraph而生成的RDD的DAG
* 而已,从Java角度讲,相当于Runnable接口实例,此时要想运行Job需要提交给JobScheduler,
* 在JobScheduler中通过线程池的方式找到一个单独的线程来提交Job到集群运行(其实是在线程中
* 基于RDD的Action触发真正的作业的运行),
* 为什么使用线程池呢?
* 1,作业不断生成,所以为了提升效率,我们需要线程池;这和在Executor中通过线程池执行Task
* 有异曲同工之妙;
* 2,有可能设置了Job的FAIR公平调度的方式,这个时候也需要多线程的支持;
*/
ssc.start()
ssc.awaitTermination()
}
}
整个代码工作的流程可以总结如下图:
2 Spark Streaming Job 容错架构和运行机制
整个Spark Streaming的容错机制是基于RDD的容错机制
主要表现为:
1 checkpoint
2 基于血统(lineage)的高度容错机制
3 出错了之后会从出错的位置从新计算,而不会导致重复计算。
- Spark学习笔记(3)SparkStreaming架构进阶之Job和容错
- 解密SparkStreaming运行机制和架构进阶之Job和容错
- Spark定制班第3课:通过案例对SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶之Job和容错
- Spark定制班第3课:通过案例对SparkStreaming透彻理解三板斧之三:解密Spark Streaming运行机制和架构进阶之Job和容错
- 第3课:解密SparkStreaming运行机制和架构进阶之Job和容错
- 第3课:SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶之Job和容错
- 解密SparkStreaming运行机制和架构进阶之Job和容错(第三篇)
- 通过案例对SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶之Job和容错
- 第3课:通过案例对SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶之Job和容错
- 第3课通过案例对SparkStreaming 透彻理解:解密SparkStreaming运行机制和架构进进阶之Job和容错
- 解密SparkStreaming运行机制和架构进阶之Job
- 3.spark streaming Job 架构和容错解析
- 3 SparkStreaming运行机制和架构进阶
- 第3课:通过案例对SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶.
- 第3课:通过案例对SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶
- 通过案例对SparkStreaming 透彻理解三板斧之三:解密SparkStreaming运行机制和架构进阶
- 通过案例对SparkStreaming透彻理解三板斧之二:解密SparkStreaming运行机制和架构进阶之运行机制和架构
- Spark学习笔记(6)源码解读之Job动态生成和深度思考
- 剑指offer 10 二进制中1的个数
- Linux磁盘空闲空间调度管理
- 删除数组中的某个数字
- tkinter制作记事本
- IntelliJ IDEA中多module项目架构开发
- Spark学习笔记(3)SparkStreaming架构进阶之Job和容错
- 多线程初学
- C++内存模型
- hibernate笔记
- 数据分析师,BI开发人员,数据科学家和数据工程师的角色
- 实现hadoop NN的HA自动容灾
- 51nod 1557 两个集合(hash)
- 程序员发展与晋升攻略
- Codeforces 733A Grasshopper And the String