深入Streaming中的数据抽象DStream

DStream

对DStream实施map,filter等操作操作,会转换成另外一个DStream,也就是说DStream也有依赖关系DStream是一组连续的RDD序列,实际上就是在时间维度上对RDD集合的封装,DStream与RDD的关系就是随着时间流逝不断的产生RDD。如下图所示:纵轴,DStream间的依赖实际上是转化为内部的RDD依赖关系;横轴,随着数据的流入,不断产生新的DStream Graph。

《深入Streaming中的数据抽象DStream》

实际上DStream和RDD的关系如下所示:通过以时间为键值的哈希来创建RDD。

《深入Streaming中的数据抽象DStream》

Input DStream

InputDStream是DStream最初诞生的地方,也是RDD最初诞生的地方,它是依据数据源创建的最初的DStream,比如基于Socket数据源创建了SocketInputDStream对象lines。从源码角度分析是怎么生成RDD:SocketInputDStream生成RDD的方法在它的父类ReceiverInputDSteam,其中的compute方法中调用了createBloackRDD方法基于Block信息创建了最初的RDD。

《深入Streaming中的数据抽象DStream》

Transformed DStream

Transformed DStream是由其他DStream 通过非Output算子装换而来的DStream。常见的算子有:map、flatMap、filter、repartition、union、count等。

通过flatMap生成FlatMappedDStream: val words= lines.flatMap(_.split(” “))

DStream的方法flatMap源码:创建FlatMappeedDStream对象时传入了参数flatMapFunc,即用户的业务逻辑。

《深入Streaming中的数据抽象DStream》

FlatMappedDStream的compute方法调用了parent的getOrCompute方法获取父DStream的RDD,flatMap和flatMapFunc生成新的RDD。

《深入Streaming中的数据抽象DStream》

parent.getOrCompute依据DStream之间的依赖关系,将对DStream的操作都转换成对RDD的操作,这样DSream的依赖关系也与RDD之间依赖关系同时建立了起来。

Output DStream

Output DStream是其他DStream通过Output算子生成,Output算子是让DStream中的数据被推送的外部系统的操作。输出操作触发所有DStream的transformation操作的实际执行,类似action。常见的算子有:print、saveAsTextFiles、foreachRDD等。

通过print产生ForeachDStream:wordCounts.print()

DStream的方法print源码:print定义了函数foreachFunc打印元素。

《深入Streaming中的数据抽象DStream》
《深入Streaming中的数据抽象DStream》

又调用了foreachRDD算子,并将foreachFunc的处理逻辑作为参数传入。

《深入Streaming中的数据抽象DStream》

foreachRDD的内部:创建了一个ForeachDStream对象,也就是Output DStream。

    原文作者:llllqb
    原文地址: https://www.jianshu.com/p/d87885fbba42
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞