云計算大數(shù)據(jù)培訓(xùn)之Spark-Streaming的基本原理以及預(yù)寫日志機制和checkpoint（3）

合適啟用checkpoint機制 
1.使用了有狀態(tài)的transformation操作—比如updateStateByKey,或者reduceByKeyAndWindow操作被使用了， 
那么checkpoint目錄要求是必須提供的，也就必須開啟checkpoint機制，從而進行周期性的RDD checkpoint 
2.要保證可以從Driver失敗中進行恢復(fù)—元數(shù)據(jù)checkpoint需要啟用，來進行這種情況的恢復(fù)， 
要注意的是，并不是說所有的Spark-Streaming應(yīng)用程序，都要啟用checkpoint機制，如果不強制要求從Driver 
失敗中自動進行恢復(fù)，有沒有使用有狀態(tài)的transformation操作，那么就不需要啟用checkpoint，事實上 
這么做反而是用利于提升性能的。

啟動預(yù)寫日志機制 
預(yù)寫日志機制，簡寫為WAL，全稱為Write Ahead Log，從Spark 1.2版本開始，就引入了基于容錯的文件系統(tǒng)的WAL機制，如果啟用該機制，Receiver接收到的所有數(shù)據(jù)都會被寫入配置的checkpoint目錄中的預(yù)寫日志這種機制可以讓driver在恢復(fù)的時候，避免數(shù)據(jù)丟失，并且可以確保整個實時計算過程中，零數(shù)據(jù)丟失

要配置該機制，首先要調(diào)用StreamingContext的checkpoint()方法設(shè)置一個checkpoint目錄，然后需要將spark.streaming.receiver.writeAheadLog.enable參數(shù)設(shè)置為true

然而這種極強的可靠性機制，會導(dǎo)致Receiver的吞吐量大幅度下降，因為單位時間內(nèi)有相當(dāng)一部分時間需要將數(shù)據(jù)寫入預(yù)寫日志，如果又希望開啟預(yù)寫日志機制，確保數(shù)據(jù)零損失，又不希望影響系統(tǒng)的吞吐量，那么可以創(chuàng)建多個輸入DStream啟動多個Reciver，然后將這些receiver接收到的數(shù)據(jù)使用ssc.union()方法將這些dstream中的數(shù)據(jù)進行合并 
此外在啟用了預(yù)寫日志機制之后，推薦將復(fù)制持久化機制禁用掉，因為所有數(shù)據(jù)已經(jīng)保存在容錯的文件系統(tǒng)中了，不需要再用復(fù)制機制進行持久化，保存一份副本了，只要將輸入的DStream的持久化機制設(shè)置一下即可