Spark Streaming是構建在Spark上的實時計算框架，且是對Spark Core API的一個擴展，它能夠實現對流數據進行實時處理，并具有很好的可擴展性、高吞吐量和容錯性。Spark Streaming具有如下顯著特點。

（1）易用性。

Spark Streaming支持Java、Python、Scala等編程語言，可以像編寫離線程序一樣編寫實時計算的程序求照的器。

（2）容錯性。

Spark Streaming在沒有額外代碼和配置的情況下，可以恢復丟失的數據。對于實時計算來說，容錯性至關重要。首先要明確一下Spak中RDD的容錯機制，即每一個RDD都是個不可變的分布式可重算的數據集，它記錄著確定性的操作繼承關系(lineage)，所以只要輸入數據是可容錯的，那么任意一個RDD的分區(Partition)出錯或不可用，都可以使用原始輸入數據經過轉換操作重新計算得到。

（3）易整合性。

Spark Streaming可以在Spark上運行，并且還允許重復使用相同的代碼進行批處理。也就是說，實時處理可以與離線處理相結合，實現交互式的查詢操作。

Spark Streaming工作原理

Spark Streaming支持從多種數據源獲取數據,包括 Kafka、Flume、Twitter、LeroMQ、Kinesis以及TCP Sockets數據源。當Spark Streaming從數據源獲取數據之后，可以使用如map、 reduce、join和 window等高級函數進行復雜的計算處理，最后將處理的結果存儲到分布式文件系統、數據庫中，最終利用實時web儀表板進行展示。Spark Streaming支持的輸入、輸出源如下圖所示。

在上圖中，Spark Streaming先接收實時輸入的數據流，并且將數據按照一定的時間間隔分成一批批的數據，每一段數據都轉變成Spark中的RDD，接著交由Spark引擎進行處理，最后將處理結果數據輸出到外部儲存系統。

猜你喜歡：

機器學習可以應用于哪些領域？

什么是機器學習？

大數據培訓之數據可視化教程