千鋒教育-做有情懷、有良心、有品質的職業教育機構
例如從kafka消費數據，使用sparkstream計算Wordcount，要求保證準確性，實時性，可用性，你要怎么實現？
如果計算時突然宕機，怎么保證消費kafka數據不丟失，不重復？
使用Kafka對接SparkStreaming計算，那么要保證數據不丟失，和不重復的話，要使用直連方式，并且保證一次性語義，手動管理Offset即可，那么在實現過程中，Offset一定不能丟，所以要手動管理，然后把它保存到其他存儲位置即可，每次能拿到保存好的Offset就OK，同時如果Kafka突然宕機或者SparkStreaming宕機都不用擔心，只要設置好一次性語義保存冪等數據不會丟，而且Offset在這次任務失敗時候不會被提交，所以也不會更新，下次再次消費即可。
hive外部表是使用external關鍵字并指定一個hdfs目錄創建的表。hive內部表在創建時會在對應hive目錄下創建相應的文件夾，外部表則以指定文件夾為...詳情>>
2022-09-02 17:21:00
Checkpoint是為runtime準備的，Savepoint 是為用戶準備的。Checkpoint 機制的目標在于保證Flink作業意外崩潰重啟不影響exactly once 準確性，通...詳情>>
2022-09-02 16:59:22
State：指一個具體的Task/Operator的狀態。State可以被記錄，在失敗的情況下數據還可以恢復，Flink中有兩種基本類型的State： Keyed State， Op...詳情>>
2022-09-02 16:59:19
Flink 內部是基于producer-consumer模型來進行消息傳遞的，Flink的反壓設計也是基于這個模型。Flink 使用了高效有界的分布式阻塞隊列，就像 Jav...詳情>>
2022-09-02 16:59:16
雖說水位線(Watermark)表明早于它的事件不應該再出現，但是接收到水位線以前的的消息是不可避免的，這就是所謂的遲到事件。實際上遲到事件是亂...詳情>>
2022-09-02 16:59:00
京公網安備 11010802030320號