Streaming性能优化：如何在毫秒内大吞吐量和数据波动比较大

Spark Streaming的处理模式是按照Batch Duration进行Micro Batch Computation的，且如果上一批的数据没有处理完的话是不会处理下一批数据的！！这回导致几个恶果：

1、如果前面一个Batch数据量突然特别大的话，就会导致计算机的高度延迟，使得当前的Batch不能够得到及时的计算，以此类推...会陷入恶性循环；

2、在一个Batch处理的时候如果Task处理的时间波动比较大（例如说数据倾斜、数据的峰值、出错等），其他的Task都已经处理完了，所以整个Batch处理就只是等待这个Task处理完成，却不能够使用Memory和Cores等资源处理下一个Batch任务，会造成极大的资源浪费；

3、JVM的GC的巨大负担；

市面上说的解决方式：限流、改partition并行度、增加cores和memory等等

所以，唯一的效果显著的办法：不要等待！！！什么意思？就是无论Batch Duration数据大小和处理的复杂度，都会立即完成当前的Batch的处理，然后立即去处理下一个Batch任务！！！

怎么 做？此时我们既要完成业务计算，又要达到毫秒级别的延迟！

一个可能的办法是：Spark Streaming的业务逻辑放在线程池中！而绝妙之处在于，Spark Streaming程序执行的时候业务逻辑就是以

逻辑就是以Task的方式放在线程池中的！所以可以最大化的复用线程，及合理利用硬件资源！模拟代码如下：

dstream.foreachRDD{

         rdd.foreachPartition(splite => {

         //业务处理逻辑，如果直接处理的就会是阻塞式的，但是此时我们可以使用线程池去处理业务逻辑 （此处的线程池是你自己定义的）此时任务坑定是毫秒级别完成。

唯一需要注意的是线程数受限于物理硬件，所以需要根据实际情况设定线程池中并发Task的个数，例如不能够超过200个，如果超过了怎么办？新的Task就采用阻塞式操作，此时其他的线程在并行运行并且不断的完成Task，就会有新的可用线程来进行异步操作！

})

}