第17课Spark Streaming资源动态申请和动态控制消费速率原理剖析

zhaoke0727

　　为什么需要动态？

• 　　Spark默认情况下粗粒度的，先分配好资源再计算。而Spark Streaming有高峰值和低峰值，但是他们需要的资源是不一样的，如果按照高峰值的角度的话，就会有大量的资源浪费。
  
• 　　Spark Streaming不断的运行，对资源消耗和管理也是我们要考虑的因素。
  
• 　　Spark Streaming资源动态调整的时候会面临挑战：Spark Streaming是按照Batch Duration运行的，Batch Duration需要很多资源，下一次Batch Duration就不需要那么多资源了，调整资源的时候还没调整完Batch Duration运行就已经过期了。这个时候调整时间间隔。
  

　　场景：

• 　　数据量变大，资源很少
  
• 　　数据量变小，资源很多
  

　　直接源码入手：
　　Spark Streaming资源动态申请

　　定时线程以固定频率来不断的扫描Executor，正在运行的Scheduler是要运行在不同的Executor中，需要动态的增加Executor或者减少Executor ，例如判断一个60秒为时间间隔
　　的Executor一个任务都没有运行，就会把Executor删除掉。怎么会减少Executor，是因为当前应用程序中运行的Executor在Driver中会有数据结构对其保持引用，每次任务调度
　　的时候都会循环遍历Executor的列表，然后查询列表的可用资源，根据这个类中的时钟会不断循环查看是否满足添加或者删除Executor的条件，如果满足添加或者删除的条件就
　　触发Executor进行添加与删除。

　　从Spark Streaming的角度考虑，Spark Streaming要处理的动态资源调整就是Executor的资源动态调整，其最大的挑战是什么？
　　Spark Streaming是按照BachDuration的方式运行的，可能这个BachDuration需要很多资源，下一个又不用那么多资源，当前BachDuration的资源还没有等调整完成其运行已经过期了。
　　
　　二、动态控制消费速率：
　　Spark Streaming弹性机制，可以查看流进来的数据是如何处理的，处理的速度之间的关系是否能够来得及进行处理，如果来不及进行处理的话，会动态的进行控制数据流进来的速度。
　　Spark Streaming本身有个rate的控制，这个控制一般可以使用手动的方式进行控制调整他的速度，手动控制是需要对Spark Streaming的处理速度有一种感知，根据BachDuration
　　流进来的数据进行控制其速度，可以调整BachDuration流入更多的数据或者更少的数据。
　　新浪微博：http://weibo.com/ilovepains
　　微信公众号：DT_Spark
　　YY课堂：每天20:00免费现场授课频道68917580
　　本文转自：http://my.oschina.net/corleone/blog/685099?fromerr=AWwub0hV