环境
- 从 Kafka 读取 Spark Streaming 作业,微批量大小 30 秒 (Durations.seconds (30))
- 具有引用状态的内存存储 (Hazelcast)。这是一个非静态状态,由 Spark Workers 实时更新
- Spark Workers 与 Hazelcast 连接
当前方法
- 使用foreachRDD
对数据进行操作,并为每个微批处理(RDD)建立连接。这种情况每 30 秒发生一次 (Durations.seconds (30))。
kafkaStream.foreachRDD (new VoidFunction<JavaRDD<String>>() {
@Override
public void call(JavaRDD<String> microBatch) throws Exception {
ClientConfig clientConfig = new ClientConfig();
clientConfig.addAddress("myHost:5701"); //Define connection
HazelcastInstance client = HazelcastClient.newHazelcastClient(clientConfig);
//Do processing
}
}
询问:希望在每个 Spark Worker 上打开一次连接(提交作业时),而不是为每个微批处理打开新连接。实现这一目标的正确方法是什么?
最佳答案
这里详细解释了您需要什么: https://spark.apache.org/docs/latest/streaming-programming-guide.html#design-patterns-for-using-foreachrdd
dstream.foreachRDD { rdd =>
rdd.foreachPartition { partitionOfRecords =>
// ConnectionPool is a static, lazily initialized pool of connections
val connection = ConnectionPool.getConnection()
partitionOfRecords.foreach(record => connection.send(record))
ConnectionPool.returnConnection(connection) // return to the pool for future reuse
}
}
在 foreachPartition 中,主体在执行器中本地执行。在那里您可以拥有静态客户端连接(例如,每个工作人员将使用自己的静态对象)
希望对您有所帮助。
谢谢
关于java - 在 Spark Streaming 作业中启动一次 JDBC 连接,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41505471/