通过案例对spark streaming透彻理解三板斧之三：解密Spark Streaming运行机制和框架
首先我们运行以下的程序，然后通过这个程序的运行过程进一步加深理解Spark Streaming流处理的Job的执行的过程，代码如下：
object OnlineForeachRDD2DB {
def main(args: Array[String]){
/*
* 第1步：创建Spark的配置对象SparkConf，设置Spark程序的运行时的配置信息，
* 例如说通过setMaster来设置程序要链接的Spark集群的Master的URL,如果设置
* 为local，则代表Spark程序在本地运行，特别适合于机器配置条件非常差（例如
* 只有1G的内存）的初学者 *
*/
val conf = new SparkConf() //创建SparkConf对象
conf.setAppName("OnlineForeachRDD") //设置应用程序的名称，在程序运行的监控界面可以看到名称
conf.setMaster("spark://Master:7077") //此时，程序在Spark集群
conf.setMaster("local[6]")
//设置batchDuration时间间隔来控制Job生成的频率并且创建Spark Streaming执行的入口
val ssc = new StreamingContext(conf, Seconds(5))
val lines = ssc.socketTextStream("Master", 9999)
val words = lines.flatMap(_.split(" "))
val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _)
wordCounts.foreachRDD { rdd =>
rdd.foreachPartition { partitionOfRecords => {
// ConnectionPool is a static, lazily initialized pool of connections
val connection = ConnectionPool.getConnection()
partitionOfRecords.foreach(record => {
val sql = "insert into streaming_itemcount(item,count) values('" + record._1 + "'," + record._2 + ")"
val stmt = connection.createStatement();
stmt.executeUpdate(sql);
})
ConnectionPool.returnConnection(connection) // return to the pool for future reuse
}
}
}
/**
* 在StreamingContext调用start方法的内部其实是会启动JobScheduler的Start方法，进行消息循环，
*在JobScheduler的start内部会构造JobGenerator和ReceiverTacker，并且调用JobGenerator和
*ReceiverTacker的start方法：
* 1，JobGenerator启动后会不断的根据batchDuration生成一个个的Job
* 2，ReceiverTracker启动后首先在Spark Cluster中启动Receiver（其实是在Executor中先启动
*ReceiverSupervisor），在Receiver收到数据后会通过ReceiverSupervisor存储到Executor并且把
*数据的Metadata信息发送给Driver中的ReceiverTracker，在ReceiverTracker内部会通过
*ReceivedBlockTracker来管理接受到的元数据信息每个BatchInterval会产生一个具体的Job，
*其实这里的Job不是Spark Core中所指的Job，它只是基于DStreamGraph而生成的RDD的DAG
*而已，从Java角度讲，相当于Runnable接口实例，此时要想运行Job需要提交给JobScheduler，
*在JobScheduler中通过线程池的方式找到一个单独的线程来提交Job到集群运行（其实是在线程中
*基于RDD的Action触发真正的作业的运行），
* 为什么使用线程池呢？
* 1，作业不断生成，所以为了提升效率，我们需要线程池；这和在Executor中通过线程池执行Task
*有异曲同工之妙；
* 2，有可能设置了Job的FAIR公平调度的方式，这个时候也需要多线程的支持；
*/
ssc.start()
ssc.awaitTermination()
}
}
Spark Streaming容错机制
（1）driver级别容错
（2）Executor级别容错
1.接收数据的安全性
2.执行的安全性
备注：
资料来源于：DT_大数据梦工厂（Spark发行版本定制）
更多私密内容，请关注微信公众号：DT_Spark
如果您对大数据Spark感兴趣，可以免费听由王家林老师每天晚上20：00开设的Spark永久免费公开课，地址YY房间号：68917580
