一、StreamingContext详解

1.1两种创建StreamingContext的方式

val conf = new SparkConf.setAppName(appName).setMaster(master);
val scc = new StreamingContext(conf,Seconds(1));

或
StreamingContext，还可以使用已有的SparkContext来创建

val sc = new SparkContext(conf);
val ssc = new StreamingContext(sc,Seconds(1));

appName，是用来在Spark UI上显示的应用名称。

master，是一个Spark、Mesos或者Yarn集群的URL，或者是local[*]。

batch interval可以根据你的应用程序的延迟要求以及可用的集群资源情况来设置。

1.2SteamingContext定义之后，必须做的事情

通过创建输入DStream来创建输入数据源。
通过对DStream定义transformation和output算子操作，来定义实时计算逻辑。
调用StreamingContext的start()方法，来开始实时处理数据。
调用StreamingContext的awaitTermination()方法，来等待应用程序的终止。可以使用CTRL+C手动停止，或者就是让它持续不断的运行进行计算。
可以通过调用StreamingContext的Stop（）方法，来停止应用程序。

1.3注意要点

只要一个StreamingContext启动之后，就不能再往其中添加任何计算逻辑了。比如执行start()方法之后，还给某个DStream执行一个算子。
一个StreamingContext停止之后，是肯定不能够重启的。调用stop()之后，不能再调用start()。
一个JYM同时只能有一个StreamingContext启动，在你的应用程序中，不能创建两个StreamingContext。
调用stop()方法时，会同时停止内部的SparkContext，如果不希望如此，还希望后面继续使用SparkContext创建其他类型的Context，比如SQLContext，那么就用stop(false)。
一个SparkContext可以创建多个StreamingContext，只要上一个先用stop(false)停止，在创建下一个接口。

二、DStream和Receiver详解

输入DStream代表了来自数据源的输入数据流。

除了文件数据流之外，所有的输入DStream都会绑定一个Receiver对象，该对象是一个关键的组件，用来数据源接收数据，并将其存储在Spark的内存中，以供后续处理。

2.1 Spark Streaming提供了两种内置的数据源支持

基础数据源：StreamingContext API中直接提供了对这些数据源的支持，比如文件、socket、Akka Actor等，
高级数据源：诸如Kafka、Flume、Kinesis、Twitter等数据源，通过第三方工具类提供支持。这些数据源的使用，需要引用其依赖。
自定义数据源：

如果想要在实时计算应用中并行接收多条数据流，可以创建多个输入DStream。这样就会创建多个Reveiver，从而并行地接收多个数据流。

但是，一个Spark Streaming Application的Executor，是一个长时间运行的任务，因此，它会独占分配给Spark Streaming Application的cpu core。从而只要Spark Streaming运行起来以后，这个节点上的cpu core，就没法给其他应用使用了。

使用本地模式，运行程序时，绝对不能使用local或者local[1]，因为那样，只会给执行输入DStream的executor分配一个线程。而Spark Streaming底层的原理是，至少有两条线程，一条线程用来分配给Reveiver接收数据，一条线程用来处理接收到的数据。

因此，必须使用local[n],n>=2的模式。

如果不设置Master，也就是直接将Spark Streaming应用提交到集群上运行，那么首先，必须要求集群节点上，有>1个cpu core，其次，给Spark Streaming的每个executor分配的core，必须>1，这样，才能保证分配到executor上运行的输入DStream，两条线程并行，一条运行Receiver，接收数据，一条处理数据。否则，只会接收数据，不会处理数据。

在这里插入图片描述