第14课：Spark Streaming源码解读之State管理之updateState

本期内容：

1，updateStateByKey解密

2，mapWithState解密

updateStateByKey和mapWithState方法在DStream中找不到，需要进行隐式转换，转换为PairDStreamFunctions对象。

updateStateByKey是在已有的状态下进行更新操作。Seq[V]中存放历史数据，Option[S]存放新值，可能没有值。使用了默认的Partitioner函数，HashPartitioner。

StateDStream继承DStream，使用MEMORY_ONLY_SER的方式作为存储级别。

StateDStream的compute方法，如果parent存在则调用computeUsingPreviousRDD方法，如果不存在调用preStateRDD的mapPartitions方法。

computeUsingPreviousRDD方法中，parentRDD和之前的RDD进行cogroup操作，根据Key对Value进行聚合，基于Key对所有的Value进行扫描，当数据量比较少时可以考虑使用cogroup方法，但是当数据量大时，就会影响整个运行，降低性能。

mapWithState方法中接收StateSpec类型的参数，StateSpec中封装了更新操作的函数。

StateImpl继承State类，记录了其状态信息，定义了获取，更新，删除等操作接口，很像是数据库中的一张表，进行增删改查。

StateSpecImpl类中定义了如何初始化状态，设置Partition的个数，设置分区函数Partition。

MapWithStateDStreamImpl类的compute方法其实质是调用InternalMapWithStateDStream的getOrCompute方法。

InternalMapWithStateDStream是在历史数据的基础上进行更新操作。

InternalMapWithStateDStream的compute方法中，实例化了MapWithStateRDD对象。

MapWithStateRDD类中，一个Partition对应一个MapWithStateRDDRecord。

MapWithStateRDD的compute方法，先获取之前的State信息，和现在数据的迭代器进行操作，，调用MapWithStateRDDRecord的updateRecordWithData的方法，返回MapWithStateRDDRecord为元素的迭代器。

newStateMap中保存了整个历史数据。

RDD是不可变的，但是RDD中的数据可以变化。