receiver方式 sparkStream啟動一個單獨的線程receiver定時使用kafka高階API向kafka拉取數(shù)據(jù)，并自動地更新zk的offsets。
優(yōu)點：用戶專注于業(yè)務，不需要關心偏移量的維護，代碼簡潔。
缺點：定時拉取數(shù)據(jù)可能造成sparkStream處理速度跟不上，導致數(shù)據(jù)丟失。 啟動wal預寫日志后，receiver會額外將數(shù)據(jù)寫一份到本地，數(shù)據(jù)丟失的情況可以自動到日志中恢復，但是這種方式會重復寫數(shù)據(jù)造成性能大幅浪費。此外，receiver與業(yè)務不在同一線程，但兩者卻又相互依賴，這導致我們在對業(yè)務進行高并發(fā)高吞吐的優(yōu)化時不得不受制于receiver。
direct方式sparkStream在業(yè)務代碼中使用kafka低階API直接連接kafka拉取數(shù)據(jù)進行消費。
優(yōu)點： 簡化并行：kafka分區(qū)與RDD分區(qū)一致，可以一對一并行消費;
高效：數(shù)據(jù)的拉取與消費是順序關系，不存在數(shù)據(jù)丟失問題，避免wal預寫日志
穩(wěn)定：處理完才拉取下一批數(shù)據(jù)，不會造成任務積壓導致程序崩潰,強一致語義：可以通過手動維護偏移量的方式自定義實現(xiàn)一致性。
：需要采用checkpoint或第三方平臺維護偏移量，開發(fā)成本較高;實現(xiàn)監(jiān)視需要額外人工開發(fā)。
京公網(wǎng)安備 11010802030320號