Spark streaming 不记得以前的状态

Question

我编写了带有状态转换的 spark 流程序。似乎我的火花流应用程序正在使用检查点正确地进行计算。但是如果我终止我的程序并再次启动它，它不会读取以前的检查点数据并从头开始。这是预期的行为吗？

我是否需要更改我的程序中的任何内容，以便它记住以前的数据并从那里开始计算？

提前致谢。

参考我的程序：

 def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("HBaseStream")
    val sc = new SparkContext(conf)
    val ssc = new StreamingContext(sc, Seconds(5))
    val inputStream = ssc.socketTextStream(<hostname>, 9999)
    ssc.checkpoint("hdfs://<hostname1>:8020/user/spark/checkpoints_dir")
    inputStream.print(1)
    val parsedStream = inputStream
      .map(line => {
        val splitLines = line.split(",")
        (splitLines(1), splitLines.slice(2, splitLines.length).map((_.trim.toLong)))
      })
    import breeze.linalg.{DenseVector => BDV}
    import scala.util.Try

    val state: DStream[(String, Array[Long])] = parsedStream.updateStateByKey(
      (current: Seq[Array[Long]], prev: Option[Array[Long]]) =>  {
        prev.map(_ +: current).orElse(Some(current))
          .flatMap(as => Try(as.map(BDV(_)).reduce(_ + _).toArray).toOption)
      })
    state.checkpoint(Duration(10000))
    state.foreachRDD(rdd => rdd.foreach(Blaher.blah))

    // Start the computation
    ssc.start()
    // Wait for the computation to terminate
    ssc.awaitTermination()

  }
}

Answer 1

根据 spark-streaming 文档，您应该以不同的方式初始化上下文：

// Function to create and setup a new StreamingContext
def functionToCreateContext(): StreamingContext = {
    val ssc = new StreamingContext(...)   // new context
    val lines = ssc.socketTextStream(...) // create DStreams
    ...
    ssc.checkpoint(checkpointDirectory)   // set checkpoint directory
    ssc
}

// Get StreamingContext from checkpoint data or create a new one
val context = StreamingContext.getOrCreate(checkpointDirectory, functionToCreateContext _)

// Do additional setup on context that needs to be done,
// irrespective of whether it is being started or restarted
context. ...

// Start the context
context.start()
context.awaitTermination()

见checkpointing

Answer 2

如 checkpointing documentation 中所述，您必须调整代码才能从检查点恢复状态。

特别是您不能直接创建 StreamingContext，而必须使用 StreamingContext.getOrCreate 方法，该方法需要：

检查点目录
可用于设置上下文的函数(Unit => StreamingContext)

Spark streaming 不记得以前的状态

Spark streaming not remembering previous state

scala

apache-spark

spark-streaming