Spark Streaming揭秘 Day26

JobGenerator源码图解

今天主要解析一下JobGenerator，它相当于一个转换器，和机器学习的pipeline比较类似，因为最终运行在SparkCore上，作为应用程序，需要开发者提供一些信息才能够运行。

简述

JobGenerator这个类会负责从DStream中产生Jobs，同时进行checkpoint和清理数据。

JobGenerator的核心是一个钟，这里采用反射生成，并提供给定时器，根据周期性触发事件

generateJobs是核心方法，分为5个运行步骤：

1. 获取时间段内的Block信息，所以说SparkStreaming的本质是一个小型的批处理。
2. 根据graph基于时间来使用Block，最终会调用OutputStream的generateJob方法。
3. 处理元数据inputInfo。
4. 提交处理作业，首先处理监听器，之后交给线程池来执行。
5. 进行checkpoint归档，并更新元数据信息。

下面进入启动方法start，这里面除了启动定时器以外，还对graph进行了初始化。

graph的初始化，最终会调用DStream上的方法，首先是设置起始时间，最后会根据依赖关系初始化父DStream。

绘图

欲知后事如何，且听下回分解!

DT大数据每天晚上20：00YY频道现场授课频道68917580