设计一个实时的流式计算Wordcount
例如从kafka消费数据，使用sparkstream计算Wordcount，要求保证准确性，实时性，可用性，你要怎么实现?如果计算时突然宕机，怎么保证消费kafka数据不丢失，不重复?
使用Kafka对接SparkStreaming计算，那么要保证数据不丢失，和不重复的话，要使用直连方式，并且保证一次性语义，手动管理Offset即可，那么在实现过程中，Offset一定不能丢，所以要手动管理，然后把它保存到其他存储位置即可，每次能拿到保存好的Offset就OK，同时如果Kafka突然宕机或者SparkStreaming宕机都不用担心，只要设置好一次性语义保存幂等数据不会丢，而且Offset在这次任务失败时候不会被提交，所以也不会更新，下次再次消费即可。
相关推荐HOT
更多>>
大数据之蛇形矩阵
我们最终要输出的是以蛇形摆放之后的字符串再按行串联在一起之后的结果，也就是说每一个字母摆放的列并不重要，重要的是摆放的行号。我们可以很...详情>>
2022-12-07 20:58:39
大数据之两数相加
大数据通常包含的数据集的大小超出了常用软件工具在可容忍的经过时间内捕获、整理、管理和处理数据的能力。大数据哲学包含非结构化，半结构化和...详情>>
2022-12-07 20:56:39
设计一个实时的流式计算Wordcount
使用Kafka对接SparkStreaming计算，那么要保证数据不丢失，和不重复的话，要使用直连方式，并且保证一次性语义，手动管理Offset即可，那么在实...详情>>
2022-12-07 20:54:49
大数据之最长回文串
大数据通常包含的数据集的大小超出了常用软件工具在可容忍的经过时间内捕获、整理、管理和处理数据的能力。大数据哲学包含非结构化，半结构化和...详情>>
2022-12-07 20:51:53
两两交换链表中的节点
大数据通常包含的数据集的大小超出了常用软件工具在可容忍的经过时间内捕获、整理、管理和处理数据的能力。大数据哲学包含非结构化，半结构化和...详情>>
2022-12-07 20:46:54
京公网安备 11010802030320号