Spark Streaming中空RDD处理及流处理程序优雅的停止

本期内容 :

• Spark Streaming中的空RDD处理
• Spark Streaming程序的停止

　　由于Spark Streaming的每个BatchDuration都会不断的产生RDD，空RDD有很大概率的，如何进行处理将影响其运行的效率、资源的有效使用。

　　Spark Streaming会不断的接收数据，在不清楚接收的数据处理到什么状态，如果你强制停止掉的话，会涉及到数据不完整操作或者一致性相关问题。

一、 Spark Streaming中的空RDD处理 ：

　　ForEachRDD是产生Dstreams真正的Action操作的核心的方法(算子)。

　　数据写入数据库期间，当RDD为空时，如果也进行ForEachPartition及写数据库操作，或者数据保存在HDFS上等操作，此时虽然并没有做什么事情，也需要获取计算资源。

　　如何最大化的节约资源与提高效率呢？在处理之前增加判断：

　　都是上面对数据进行判断的方法还是不够理想，因为count操作会启动Job进行操作，还是会浪费资源，我们进行梳理以下方法：

　　如果在有若干个Partitions ，但是Partition的内容是空的话，take就可能启动Job ：

　　假如没有数据的情况下会如何处理 ：

　　数据为空时的操作 ：

　　从上面可以观察到，会生成RDD ，但是RDD里面没有Partition ，没有数据的时候不会生成Block ，但是会生成RDD，不过里面一个Partition都没有而已。

　　有Partition但是如果没有BlockID也是不会执行的 :

　　总结：

　　其实也可以不生成RDD ,是因为需要维持一个概念，每个BachDuration都会产生一个Job，Job如果没有RDD的话就无法产生；

　　在每个时间间隔都会产生Job，如果提交的时候都没有Job，你的Action作用于什么呢，从表面上看不产生RDD有效率；

　　但是在调度层面的依赖是每个BatchDuration产生的Job，调度层面要判断是否有RDD，没有RDD作业将无法执行。

二、 Spark Streaming程序的停止 ：

　　一般情况下Spark Streaming是采用什么方式停止呢？

　　以上的停止方式会把这个Streams停止掉，但是不会等待所有的数据处理完成默认情况下SparkContext也会被停止掉。

　　使用StopGraceFully方式处理 ：

　　应用程序启动的时候会调用 StopOnShutdown ，会把回调传进去。

　　如果提示数据没有处理完成就被停止掉了：

　　总结：使用 StopGraceFully 所有接收的数据都会被处理完成，才会停止。

　　备注：

• • 资料来源于：王家林(Spark发行版本定制)
  • 新浪微博：http://www.weibo.com/ilovepains

Spark Streaming中空RDD处理及流处理程序优雅的停止

原文：http://www.cnblogs.com/yinpin2011/p/5565047.html