Spark Streaming 2.2.0 初始化StreamingContext

为了初始化 Spark Streaming 程序,必须创建一个 StreamingContext 对象,它是 Spark Streaming 所有流操作的主要入口。StreamingContext 对象可以用 SparkConf 对象创建。

可以使用SparkConf对象创建JavaStreamingContext对象(对于Scala和Python语言来说,创建 StreamingContext对象):

Java版本:

SparkConf conf = new SparkConf().setAppName(appName).setMaster(master);
JavaStreamingContext jsc = new JavaStreamingContext(conf, Durations.seconds(seconds));

Scala版本:

import org.apache.spark._
import org.apache.spark.streaming._

val conf = new SparkConf().setAppName(appName).setMaster(master)
val ssc = new StreamingContext(conf, Seconds(1))

Python:

from pyspark import SparkContext
from pyspark.streaming import StreamingContext

sc = SparkContext(master, appName)
ssc = StreamingContext(sc, 1)

appName 参数是应用程序在集群UI上显示的名称。master 是Spark,Mesos或YARN集群URL,或者是以本地模式运行的特殊字符串local [*]

实际上,当在集群上运行时,如果你不想在程序中硬编码 master(即在程序中写死),而是希望使用 spark-submit 启动应用程序时得到 master 的值。对于本地测试和单元测试,你可以传递 local [*] 来运行 Spark Streaming 进程。注意,这里内部创建的 JavaSparkContext(所有Spark功能的起始点),可以通过 jsc.sparkContext 访问。

JavaStreamingContext对象也可以从现有的JavaSparkContext创建。对于Scala来说,StreamingContext对象也可以从现有的 SparkContext 创建:

Java版本:

SparkConf conf = new SparkConf().setAppName("socket-spark-stream").setMaster("local[2]");

JavaSparkContext sparkContext = new JavaSparkContext(conf);
JavaStreamingContext jsc = new JavaStreamingContext(sparkContext, Durations.seconds(seconds));

Scala版本:

import org.apache.spark.streaming._

val sc = ... // existing SparkContext
val ssc = new StreamingContext(sc, Seconds(1))

批处理间隔必须根据应用程序和可用群集资源的延迟要求进行设置。 有关更多详细信息,请参阅“性能调优”部分。

定义上下文后,您必须执行以下操作:

  • 通过创建输入DStreams定义输入源
  • 通过对DStreams应用转换操作(transformation)和输出操作(output)来定义流计算
  • 可以使用streamingContext.start()方法接收和处理数据
  • 可以使用streamingContext.awaitTermination()方法等待流计算完成(手动或由于任何错误),来防止应用退出
  • 可以使用streamingContext.stop()手动停止处理。

注意点:

  • 一旦上下文已经开始,则不能设置或添加新的流计算。
  • 上下文停止后,无法重新启动。
  • 在同一时间只有一个StreamingContext可以在JVM中处于活动状态。
  • 在StreamingContext上调用stop()方法,也会关闭SparkContext对象。如果只想关闭StreamingContext对象,设置stop()的可选参数为false。
  • 一个SparkContext可以重复利用创建多个StreamingContext,只要在创建下一个StreamingContext之前停止前一个StreamingContext(而不停止SparkContext)即可。

Spark Streaming 版本: 2.2.0

原文:http://spark.apache.org/docs/2.2.0/streaming-programming-guide.html#initializing-streamingcontext

赏几毛白!