3
在火花流应用程序中维护应用程序状态的最佳方法是什么?如何在Spark Streaming中构建查找映射?
我知道的方法有两种:
- 使用“联盟”操作追加到查找RDD和各工会后能持续它。
- 将状态保存在文件或数据库中,并将其加载到每批的开始位置。
我的问题是从性能的角度来看哪个更好?另外,有没有更好的方法来做到这一点?
在火花流应用程序中维护应用程序状态的最佳方法是什么?如何在Spark Streaming中构建查找映射?
我知道的方法有两种:
我的问题是从性能的角度来看哪个更好?另外,有没有更好的方法来做到这一点?
你真的应该使用mapWithState(spec: StateSpec[K, V, StateType, MappedType])如下:
import org.apache.spark.streaming.{ StreamingContext, Seconds }
val ssc = new StreamingContext(sc, batchDuration = Seconds(5))
// checkpointing is mandatory
ssc.checkpoint("_checkpoints")
val rdd = sc.parallelize(0 to 9).map(n => (n, n % 2 toString))
import org.apache.spark.streaming.dstream.ConstantInputDStream
val sessions = new ConstantInputDStream(ssc, rdd)
import org.apache.spark.streaming.{State, StateSpec, Time}
val updateState = (batchTime: Time, key: Int, value: Option[String], state: State[Int]) => {
println(s">>> batchTime = $batchTime")
println(s">>> key = $key")
println(s">>> value = $value")
println(s">>> state = $state")
val sum = value.getOrElse("").size + state.getOption.getOrElse(0)
state.update(sum)
Some((key, value, sum)) // mapped value
}
val spec = StateSpec.function(updateState)
val mappedStatefulStream = sessions.mapWithState(spec)
mappedStatefulStream.print()
你看看在updateStateByKey?在http://spark.apache.org/docs/latest/streaming-programming-guide.html查找它并尝试一下这个例子,看看它是否适合你的需求 – ccheneson
是的,我看了一下,但无法弄清楚我怎样才能在我的情况下使用它的状态是一个key和value对的映射,其中value是一个用户对象。现在,我想要更新缓存中的用户对象的每一个用户活动流。 – Soumitra