流式计算助力实时数据处理spark-streaming入门实战
导读：本次分享主题是《流式计算助力实时数据处理 spark-streaming入门实战》，主要内容分为3部分：
1.Spark基础
2.Spark-streaming技术要点
3.任务演示
01
Spark基础
Spark技术框架
RDD和transform&action
RDD 是 Spark 中最重要的数据形式。RDD可以具有不同的分区，分布在集群中的不同节点上。Spark提供了基于RDD函数化的操作（分为转换操作和行动操作）。
02
Spark-streaming技术要点
Spark-streaming原理
离散流(DiscretizedStream或DStream)是Spark Streaming对流式数据的基本抽象方式，将流式数据通过一个微小的时间间隔分解为一串连续的RDD，Spark的流式计算通过对一系列连续的小规模RDD进行批处理来完成。
Spark-Streaming从生产环境的输入源中读取流式数据，并按照设定的时间间隔把数据分组为Dstream。
随着时间进行，新的数据不断产生，不同批次的Dstream源源不断地被创造出来。
每个时间区间里，新增的数据被添加到当前的Dstream中；当时间结束，当前Dstream的数据停止增长。
对Dstream的处理，Spark-Streaming提供了类似RDD的操作。
Spark运行模式
Dstream创建
03
任务演示
batch场景下解析数据
实时数据解析(无状态操作)
实时计算流所有用户数(有状态操作)
hdfs+spark-streaming+sparksql(+yarn)的实时数据处理和分析框架
本次分享就到这里啦，谢谢大家。
星空大数据分享
文章推荐：
关于我们：