(版本定制)第18課：Spark Streaming中空RDD處理及流處理程序優雅的停止

本期內容：

      1. Spark Streaming中RDD為空處理

      2. Streaming Context程序停止方式

      Spark Streaming運用程序是根據我們設定的Batch Duration來產生RDD，產生的RDD存在partitons數據為空的情況，但是還是會執行foreachPartition，會獲取計算資源，然后計算一下，這種情況就會浪費

集群計算資源，所以需要在程序運行的時候進行過濾，參考如下代碼：

package com.dt.spark.sparkstreaming
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}

object OnlineForeachRDD2DB {
    def main(args: Array[String]){
     val conf = new SparkConf() //創建SparkConf對象
      conf.setAppName("OnlineForeachRDD2DB") //設置應用程序的名稱，在程序運行的監控界面可以看到名稱
      conf.setMaster("spark://Master:7077") //此時，程序在Spark集群
      /**
        * 設置batchDuration時間間隔來控制Job生成的頻率并且創建Spark Streaming執行的入口
         */
      val ssc = new StreamingContext(conf, Seconds(300))
      val lines = ssc.socketTextStream("Master", 9999)
      val words = lines.flatMap(line => line.split(" "))
      val wordCounts = words.map(word => (word,1)).reduceByKey(_ + _)
      wordCounts.foreachRDD{ rdd =>
       /**
        * 例如：rdd為空，rdd為空會產生什么問題呢？
         *     rdd沒有任何元素，但是也會做做foreachPartition，也會進行寫數據庫的操作或者把數據寫到HDFS上，
         *     rdd里面沒有任何記錄，但是還會獲取計算資源，然后計算一下，消耗計算資源，這個時候純屬浪費資源，
         *         所以必須對空rdd進行處理；

        *         例如：使用rdd.count()>0，但是rdd.count()會觸發一個Job；

         *             使用rdd.isEmpty()的時候，take也會觸發Job；

         *             def isEmpty(): Boolean = withScope {

        *                   partitions.length == 0 || take(1).length == 0

        *             }

        *
        *              rdd.partitions.isEmpty里判斷的是length是否等于0，就代表是否有partition
        *              def isEmpty: Boolean = { length == 0 }
        *             注：rdd.isEmpty()和rdd.partitions.isEmpty是兩種概念；
         */

    //
    if(rdd.partitions.length > 0) {
        rdd.foreachPartition{ partitonOfRecord =>
         if(partitionOfRecord.hasNext） // 判斷下partition中是否存在數據

         {

            val connection = ConnectionPool.getConnection()
            partitonOfRecord.foreach(record => {
            val sql = "insert into streaming_itemcount(item,rcount) values('" + record._1 + "'," + record._2 + ")"
            val stmt = connection.createStatement()
            stmt.executeUpdate(sql)
            stmt.close()
          })
          ConnectionPool.returnConnection(connection)
        }

        }

       }
      }

     ssc.start()
     ssc.awaitTermination()
    }
}

二、SparkStreaming程序停止方式

第一種是不管接受到數據是否處理完成，直接被停止掉。

第二種是接受到數據全部處理完成才停止掉，一般采用第二種方式。

第一種停止方式：

/**
 * Stop the execution of the streams immediately (does not wait for all received data
 * to be processed). By default, if `stopSparkContext` is not specified, the underlying
 * SparkContext will also be stopped. This implicit behavior can be configured using the
 * SparkConf configuration spark.streaming.stopSparkContextByDefault.
 *
 * 把streams的執行直接停止掉(并不會等待所有接受到的數據處理完成)，默認情況下SparkContext也會被停止掉，
 * 隱式的行為可以做配置，配置參數為spark.streaming.stopSparkContextByDefault。
 *
 * @param stopSparkContext If true, stops the associated SparkContext. The underlying SparkContext
 *                         will be stopped regardless of whether this StreamingContext has been
 *                         started.
 */
def stop(stopSparkContext: Boolean = conf.getBoolean("spark.streaming.stopSparkContextByDefault", true)
         ): Unit = synchronized {
 stop(stopSparkContext, false)

}

第二種停止方式：

/**
 * Stop the execution of the streams, with option of ensuring all received data
 * has been processed.
 *

 * 所有接受到的數據全部被處理完成，才把streams的執行停止掉

 *
 * @param stopSparkContext if true, stops the associated SparkContext. The underlying SparkContext
 *                         will be stopped regardless of whether this StreamingContext has been
 *                         started.
 * @param stopGracefully if true, stops gracefully by waiting for the processing of all
 *                       received data to be completed
 */
def stop(stopSparkContext: Boolean, stopGracefully: Boolean): Unit = {
 var shutdownHookRefToRemove: AnyRef = null
 if (AsynchronousListenerBus.withinListenerThread.value) {
  throw new SparkException("Cannot stop StreamingContext within listener thread of" +
   " AsynchronousListenerBus")
 }
 synchronized {
  try {
   state match {
    case INITIALIZED =>
     logWarning("StreamingContext has not been started yet")
    case STOPPED =>
     logWarning("StreamingContext has already been stopped")
    case ACTIVE =>
     scheduler.stop(stopGracefully)
     // Removing the streamingSource to de-register the metrics on stop()
     env.metricsSystem.removeSource(streamingSource)
     uiTab.foreach(_.detach())
     StreamingContext.setActiveContext(null)
     waiter.notifyStop()
     if (shutdownHookRef != null) {
      shutdownHookRefToRemove = shutdownHookRef
      shutdownHookRef = null
     }
     logInfo("StreamingContext stopped successfully")
   }
  } finally {
   // The state should always be Stopped after calling `stop()`, even if we haven't started yet
   state = STOPPED
  }
 }
 if (shutdownHookRefToRemove != null) {
  ShutdownHookManager.removeShutdownHook(shutdownHookRefToRemove)
 }
 // Even if we have already stopped, we still need to attempt to stop the SparkContext because
 // a user might stop(stopSparkContext = false) and then call stop(stopSparkContext = true).
 if (stopSparkContext) sc.stop()
}