首页 > 代码库 > Spark Streaming metadata checkpoint

Spark Streaming metadata checkpoint

2024-08-11 16:43:18   212人阅读

一个流应用程序必须全天候运行，所有必须能够解决应用程序逻辑无关的故障（如系统错误，JVM崩溃等）。为了使这成为可能，Spark Streaming需要checkpoint足够的信息到容错存储系统中， 以使系统从故障中恢复。

  • Metadata checkpointing：保存流计算的定义信息到容错存储系统如HDFS中。这用来恢复应用程序中运行worker的节点的故障。元数据包括
    • Configuration ：创建Spark Streaming应用程序的配置信息
    • DStream operations ：定义Streaming应用程序的操作集合
    • Incomplete batches：操作存在队列中的未完成的批
  • Data checkpointing ：保存生成的RDD到可靠的存储系统中，这在有状态transformation（如结合跨多个批次的数据）中是必须的。在这样一个transformation中，生成的RDD依赖于之前 批的RDD，随着时间的推移，这个依赖链的长度会持续增长。在恢复的过程中，为了避免这种无限增长。有状态的transformation的中间RDD将会定时地存储到可靠存储系统中，以截断这个依赖链。

元数据checkpoint主要是为了从driver故障中恢复数据。如果transformation操作被用到了，数据checkpoint即使在简单的操作中都是必须的。

 

Metadata checkpointing

相关代码：

 
def createContext(checkpointDirectory: String): StreamingContext = {    // If you do not see this printed, that means the StreamingContext has been loaded    // from the new checkpoint    println("Creating new context")    val sparkConf = new SparkConf().setAppName("DynamicRange")    // Create the context with a 1 second batch size    val ssc = new StreamingContext(sparkConf, Seconds(8))    ssc.checkpoint(checkpointDirectory)    ...    //你的kafka streaming的相关代码最好放在这里，不然有可能抛异常：spark checkpoint KafkaInputDStream has not been initialize    //create kafka stream    val fullLines = KafkaUtils.createStream(ssc, SystemConfig.config.kafkaZkQuorum, SystemConfig.config.kafkaGroup, topicMap);    //parse data string    val valueLines = fullLines.map(_._2)    ..    ssc}def main(args: Array[String]) {    var ssc: StreamingContext = null    try {        ssc = StreamingContext.getOrCreate(".", () => {            println("get context fail, try to create a new one.")            createContext(".")        })    } catch{        case e:Exception =>{            println("get context exception, try to create a new one.")            ssc = createContext(".")        }    }    ssc.start()    ssc.awaitTermination()}
 

注意：

  1. kafka streaming的相关代码最好放在createContext里面，不然有可能抛异常：spark checkpoint KafkaInputDStream has not been initialize。
  2. 不同版本之间的Spark Driver是不能从文件中恢复的，所以这里我用try catch如果有异常就新建一个context。

Spark Streaming metadata checkpoint


联系
我们