Spark-Streaming简介 核心编程

1. Spark-Streaming概述

定义：用于处理流式数据，支持多种数据输入源，可运用Spark原语运算，结果能保存于多处。它以离散化流（DStream）为抽象表示，是RDD在实时数据处理场景的封装。

特点：易用，支持多语言编写实时计算程序；容错，可恢复丢失数据；易整合，能在Spark上运行，结合离线处理实现交互式查询。

2. Spark-Streaming架构：包含背压机制，1.5版本前靠设置静态参数限制Receiver数据接收速率，易导致资源利用率低。1.5版本起可动态调整，通过"spark.streaming.backpressure.enabled"控制，默认不启用。

3. DStream实操 - WordCount案例

1. RDD队列创建DStream：可利用 ssc.queueStream(queueOfRDDs) 创建DStream，队列中的每个RDD都会被当作一个DStream处理。

2. 自定义数据源创建DStream：自定义数据源需继承Receiver并实现 onStart 、 onStop 方法。