温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

(版本定制)第8课:Spark Streaming源码解读之

发布时间:2020-03-01 17:59:42 阅读:539 作者:Spark_2016 栏目:大数据
开发者测试专用服务器限时活动,0元免费领,库存有限,领完即止! 点击查看>>

本篇博客将详细探讨DStream模板下的RDD是如何被创建,然后被执行的。在开始叙述之前,先来思考几个问题,本篇文章也就是基于此问题构建的。 
1. RDD是谁产生的? 
2. 如何产生RDD? 
带着这两个问题开启我们的探索之旅。

DStream是RDD的模板,每隔一个Batch Interval会根据DStream模板生成一个对应的RDD,然后将RDD存储到DStream中的generatedRDDs数据结构中,下面是存储结构格式。

// RDDs generated, marked as private[streaming] so that testsuites can access it
@transient
private[streaming] var generatedRDDs = new HashMap[Time, RDD[T]] ()

1、简单的WordCount程序

object WordCount {  def main(args:Array[String]): Unit ={
    val sparkConf = new SparkConf().setMaster("Master:7077").setAppName("WordCount")
    val ssc = new StreamingContext(sparkConf,Seconds(10)) // Timer触发频率

    val lines = ssc.socketTextStream("Master",9999//接收数据
    val words = lines.flatMap(_.split(" "))
    val wordCounts = words.map(x => (x,1)).reduceByKey(_+_)
    wordCounts.print()
    ssc.start()
    ssc.awaitTermination()
  }
}
首先我们先看看print方法,具体的代码如下:
/** * Print the first num elements of each RDD generated in this DStream. This is an output * operator, so this DStream will be registered as an output stream and there materialized. */def print(num: Int): Unit = ssc.withScope {  def foreachFunc: (RDD[T], Time) => Unit = {    (rdd: RDD[T], time: Time) => {      val firstNum = rdd.take(num + 1)      // scalastyle:off println      println("-------------------------------------------")      println("Time: " + time)      println("-------------------------------------------")      firstNum.take(num).foreach(println)      if (firstNum.length > num) println("...")      println()      // scalastyle:on println    }  }  foreachRDD(context.sparkContext.clean(foreachFunc), displayInnerRDDOps = false)}

首先定义了一个函数,该函数用来从RDD中取出前几条数据,并打印出结果与时间等,后面会调用foreachRDD函数。

private def foreachRDD(    foreachFunc: (RDD[T], Time) => Unit,    displayInnerRDDOps: Boolean): Unit = {    new ForEachDStream(this,context.sparkContext.clean(foreachFunc, false), displayInnerRDDOps).register()}
/** * Register this streaming as an output stream. This would ensure that RDDs of this * DStream will be generated. */private[streaming] def register(): DStream[T] = {  ssc.graph.addOutputStream(this)  this}
def addOutputStream(outputStream: DStream[_]) {  this.synchronized {    outputStream.setGraph(this)    outputStreams += outputStream  }

在foreachRDD中new出了一个ForEachDStream对象,并将这个注册给DStreamGraph,ForEachDStream对象也就是DStreamGraph中的outputStreams。

当每到达一个BatchInterval时候,就会调用DStreamingGraph中的generateJobs.

def generateJobs(time: Time): Seq[Job] = {  logDebug("Generating jobs for time " + time)  val jobs = this.synchronized {    outputStreams.flatMap { outputStream =>      val jobOption = outputStream.generateJob(time)      jobOption.foreach(_.setCallSite(outputStream.creationSite))      jobOption    }  }  logDebug("Generated " + jobs.length + " jobs for time " + time)  jobs}

这里就会调用outputStream的generateJob方法

private[streaming] def generateJob(time: Time): Option[Job] = {  getOrCompute(time) match {    case Some(rdd) => {      val jobFunc = () => {        val emptyFunc = { (iterator: Iterator[T]) => {} }        context.sparkContext.runJob(rdd, emptyFunc)      }      Some(new Job(time, jobFunc))    }    case None => None  }}

这里会调用getOrCompute(time)来产生新RDD,并将其存入到generatedRDDs中,整理的过程如下图:
(版本定制)第8课:Spark Streaming源码解读之


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>>

向AI问一下细节

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。

AI

开发者交流群×