java 中帶有 spark 文件流的檢查點

Question

我想用 spark 文件流應用程序實現檢查點，以處理來自 hadoop 的所有未處理文件，如果在任何情況下我的 spark 流應用程序停止/終止。 我正在關注： 流式編程指南，但未找到 JavaStreamingContextFactory。 請幫幫我，我該怎么做。

我的代碼是

public class StartAppWithCheckPoint {

    public static void main(String[] args) {
        
        try {
            
            String filePath = "hdfs://Master:9000/mmi_traffic/listenerTransaction/2020/*/*/*/"; 
            String checkpointDirectory = "hdfs://Mongo1:9000/probeAnalysis/checkpoint";
            SparkSession sparkSession = JavaSparkSessionSingleton.getInstance();

            JavaStreamingContextFactory contextFactory = new JavaStreamingContextFactory() {
                  @Override public JavaStreamingContext create() {
                      
                    SparkConf sparkConf = new SparkConf().setAppName("ProbeAnalysis");
                    JavaSparkContext sc = new JavaSparkContext(sparkConf);  
                    JavaStreamingContext jssc = new JavaStreamingContext(sc, Durations.seconds(300));
                    JavaDStream<String> lines = jssc.textFileStream(filePath).cache();
                    
                    jssc.checkpoint(checkpointDirectory);
                    return jssc;
                  }
                };
                
            JavaStreamingContext context = JavaStreamingContext.getOrCreate(checkpointDirectory, contextFactory);
            
            context.start();
            context.awaitTermination();
            context.close();
            sparkSession.close();
            
        } catch(Exception e) {
            e.printStackTrace();
        }   
    }
}

Answer 1

您必須使用檢查點

對於檢查點，使用有狀態轉換updateStateByKey或reduceByKeyAndWindow 。 在 git-hub 中提供的spark-examples中有大量示例以及預構建 spark 和 spark 源。 具體請參見JavaStatefulNetworkWordCount.java ；