Spark Streaming（六）—

本文主要是介绍Spark Streaming（六）—— 检查点，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

1. 一般会对两种类型的数据使用检查点
2. 何时启用检查点
3. 如何配置检查点
4. 改写之前的WordCount程序

流数据处理程序通常都是全天候运行，因此必须对应用中逻辑无关的故障（例如，系统故障，JVM崩溃等）具有弹性。为了实现这一特性，Spark Streaming需要checkpoint足够的信息到容错存储系统，以便可以从故障中恢复。

1. 一般会对两种类型的数据使用检查点

元数据检查点（Metadatacheckpointing）

将定义流计算的信息保存到容错存储中（如HDFS）。这用于从运行Streaming程序的Driver程序的节点的故障中恢复。

元数据包括以下几种：
- 配置（Configuration） - 用于创建Streaming应用程序的配置信息。
- DStream操作（DStream operations） - 定义Streaming应用程序的DStream操作集合。
- 不完整的batch（Incomplete batches） - jobs还在队列中但尚未完成的batch。
数据检查点（Datacheckpointing）

将生成的RDD保存到可靠的存储层。对于一些需要将多个批次之间的数据进行组合的stateful变换操作，设置数据检查点是必需的。在这些转换操作中，当前生成的RDD依赖于先前批次的RDD，这导致依赖链的长度随时间而不断增加，由此也会导致基于血统机制的恢复时间无限增加。为了避免这种情况，stateful转换的中间RDD将定期设置检查点并保存到到可靠的存储层（例如HDFS）以切断依赖关系链。

总而言之，元数据检查点主要用于从Driver程序故障中恢复，而数据或RDD检查点在任何使用stateful转换时是必须要有的。

2. 何时启用检查点

对于具有以下任一要求的应用程序，必须启用检查点：

使用状态转换：如果在应用程序中使用updateStateByKey或reduceByKeyAndWindow（具有逆函数），则必须提供检查点目录以允许定期保存RDD检查点。
从运行应用程序的Driver程序的故障中恢复：元数据检查点用于使用进度信息进行恢复。

3. 如何配置检查点

可以通过在一些可容错、高可靠的文件系统（例如，HDFS，S3等）中设置保存检查点信息的目录来启用检查点。这是通过使用streamingContext.checkpoint(checkpointDirectory)完成的。设置检查点后，就可以使用上述的有状态转换操作。此外，如果要使应用程序从驱动程序故障中恢复，应该重写Streaming应用程序以使程序具有以下行为：

当程序第一次启动时，它将创建一个新的StreamingContext，设置好所有流数据源，然后调用start()方法。
当程序在失败后重新启动时，它将从checkpoint目录中的检查点数据重新创建一个StreamingContext。
使用StreamingContext.getOrCreate可以简化此行为

4. 改写之前的WordCount程序

使得每次计算的结果和状态都保存到检查点目录下

package demoimport org.apache.spark.SparkConf
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.{Seconds, StreamingContext}object MyCheckpointNetworkWordCount {def main(args: Array[String]): Unit = {//在主程序中，创建一个Streaming Context对象//1、读取一个检查点的目录//2、如果该目录下已经存有之前的检查点信息，从已有的信息上创建这个Streaming Context对象//3、如果该目录下没有信息，创建一个新的Streaming Contextval context = StreamingContext.getOrCreate("hdfs://topnpl200:9000/spark_checkpoint",createStreamingContext)//启动任务context.start()context.awaitTermination()}//创建一个StreamingContext对象，并且设置检查点目录，执行WordCount程序（记录之前的状态信息）def createStreamingContext():StreamingContext = {val conf = new SparkConf().setAppName("MyCheckpointNetworkWordCount").setMaster("local[2]")//创建这个StreamingContext对象val ssc = new StreamingContext(conf,Seconds(3))//设置检查点目录ssc.checkpoint("hdfs://topnpl200:9000/spark_checkpoint")//创建一个DStream，执行WordCountval lines = ssc.socketTextStream("192.168.15.131",7788,StorageLevel.MEMORY_AND_DISK_SER)//分词操作val words = lines.flatMap(_.split(" "))//每个单词记一次数val wordPair = words.map(x=> (x,1))//执行单词计数//定义一个新的函数：把当前的值跟之前的结果进行一个累加val addFunc = (currValues:Seq[Int],preValueState:Option[Int]) => {//当前当前批次的值val currentCount = currValues.sum//得到已经累加的值。如果是第一次求和，之前没有数值，从0开始计数val preValueCount = preValueState.getOrElse(0)//进行累加，然后累加后结果，是Option[Int]Some(currentCount + preValueCount)}//要把新的单词个数跟之前的结果进行叠加（累计）val totalCount = wordPair.updateStateByKey[Int](addFunc)//输出结果totalCount.print()//返回这个对象ssc}
}