本篇文章为大家展示了周期性清除Spark Streaming流状态的方法是什么，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
在Spark Streaming程序中，我们经常需要使用有状态的流来统计一些累积性的指标，比如各个商品的PV。简单的代码描述如下，使用mapWithState()算子：
计算
安全
数据库
网络和加速
企业服务
val productPvStream = stream.mapPartitions(records => { var result = new ListBuffer[(String, Int)] for (record <- records) { result += Tuple2(record.key(), 1) } result.iterator }).reduceByKey(_ + _).mapWithState( StateSpec.function((productId: String, pv: Option[Int], state: State[Int]) => { val sum = pv.getOrElse(0) + state.getOption().getOrElse(0) state.update(sum) (productId, sum) })).stateSnapshots()现在的问题是，PV并不是一直累加的，而是每天归零，重新统计数据。要达到在凌晨0点清除状态的目的，有以下两种方法。
用crontab、Azkaban等在凌晨0点调度执行下面的Shell脚本：
stream_app_name='com.xyz.streaming.MallForwardStreaming'cnt=`ps aux | grep SparkSubmit | grep ${stream_app_name} | wc -l`if [ ${cnt} -eq 1 ]; then pid=`ps aux | grep SparkSubmit | grep ${stream_app_name} | awk '{print $2}'` kill -9 ${pid} sleep 20 cnt=`ps aux | grep SparkSubmit | grep ${stream_app_name} | wc -l` if [ ${cnt} -eq 0 ]; then nohup sh /path/to/streaming/bin/mall_forward.sh > /path/to/streaming/logs/mall_forward.log 2>&1 fifi这种方式最简单，也不需要对程序本身做任何改动。但随着同时运行的Streaming任务越来越多，就会显得越来越累赘了。
在程序启动之前，先计算出当前时间点距离第二天凌晨0点的毫秒数：
def msTillTomorrow = { val now = new Date() val tomorrow = new Date(now.getYear, now.getMonth, now.getDate + 1) tomorrow.getTime - now.getTime}然后将Streaming程序的主要逻辑写在while(true)循环中，并且不像平常一样调用StreamingContext.awaitTermination()方法，而改用awaitTerminationOrTimeout()方法，即：
while (true) { val ssc = new StreamingContext(sc, Seconds(BATCH_INTERVAL)) ssc.checkpoint(CHECKPOINT_DIR) // ...处理逻辑... ssc.start() ssc.awaitTerminationOrTimeout(msTillTomorrow) ssc.stop(false, true) Thread.sleep(BATCH_INTERVAL * 1000) }在经过msTillTomorrow毫秒之后，StreamingContext就会超时，再调用其stop()方法（注意两个参数，stopSparkContext表示是否停止关联的SparkContext，stopGracefully表示是否优雅停止），就可以停止并重启StreamingContext。
两种方法都是仍然采用Spark Streaming的机制进行状态计算的。如果其他条件允许的话，我们还可以抛弃mapWithState()，直接借助外部存储自己维护状态。比如将Redis的Key设计为product_pv:[product_id]:[date]，然后在Spark Streaming的每个批次中使用incrby指令，就能方便地统计PV了，不必考虑定时的问题。
上述内容就是周期性清除Spark Streaming流状态的方法是什么，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
原文链接：https://my.oschina.net/wangzhiwubigdata/blog/4589962
