Spark Streaming之Receiver和Direct区别
Receiver(过时了)
- receiver运行在executor中,是一个常驻内存的进程。
- 默认存储级别:MEMORY_AND_DISK_SER_2。
- 由于使用的high level的API,offset都存在zookeeper中,用户不用关心offset。
- 当receiver接收到数据,此时若driver端挂了,相应的executor也会挂掉,此时,也会造成数据的丢失。为了避免数据丢失,引入了WAL机制(即日志记录,存在HDFS上),但是使能WAL机制,可修改存储级别为:MEMORY_AND_DISK_SER,会造成数据延迟,会减少数据吞吐量。
- Spark分区与Kafka分区不对应,没有直接关系。
Direct
- 不需要Receiver常驻进程。
- Topic的partition和RDD的partition是1:1,即Spark分区与Kafka数据分区一一对应。
- 自己手工维护offset。