1 概述

1.1 官网文档地址

Spark Streaming是core Spark API的扩展，可实现实时数据流的可扩展，高吞吐量，容错流处理。 数据可以从许多来源（如Kafka，Flume，Kinesis或TCP套接字）中获取，并且可以使用以高级函数（如map，reduce，join和window）表示的复杂算法进行处理。 最后，处理后的数据可以推送到文件系统，数据库和实时仪表板。 实际上，您可以在数据流上应用Spark的机器学习和图形处理算法。

在内部，它的工作原理如下。 Spark Streaming接收实时输入数据流并将数据分成批处理，然后由Spark引擎处理以批量生成最终结果流。

Spark Streaming提供称为离散流或DStream的高级抽象，表示连续的数据流。 DStream可以来自Kafka，Flume和Kinesis等源的输入数据流创建，也可以通过在其他DStream上应用高级操作来创建。 在内部，DStream表示为一系列RDD。