Spark Streaming的容错包括了三个地方的容错：

1、Executor失败容错：Executor的失败会重新启动一个新的Executor，这个是Spark自身的特性。如果Receiver所在的Executor失败了，那么Spark Streaming会在另外一个Executor上启动这个Receiver(这个Executor上可能存在已经接收到的数据的备份)

2、Driver失败的容错：如果Driver失败的话，那么整个Spark Streaming应用将会全部挂掉。所以Driver端的容错是非常重要的，我们首先可以配置Driver端的checkpoint，用于定期的保存Driver端的状态；然后我们可以配置Driver端失败的自动重启机制(每一种集群管理的配置都不一样)；最后我们需要打开Executor端的WAL机制

3、一个Task失败的容错：Spark中的某个Task失败了可以重新运行，这个Task所在的Stage失败的话呢，也可以根据RDD的依赖重新跑这个Stage的父亲Stage，进而重新跑这个失败的Stage，在实时计算的过程，肯定不能容忍某个Task的运行时间过长，Spark Streaming对于某个运行时间过长的Task会将这个Task杀掉重新在另一个资源比较充足的Executor上执行。这个就是利用了Spark的Task调度的推测机制。

checkpoint机制：定期将Driver端的信息写到HDFS中

1、configuration （配置信息）

2、定义的DStream的操作

3、没有完成的batches的信息

 

1、设置自动重启Driver程序

standalone、yarn以及mesos都支持

 

2、设置hdfs的checkpoint目录

streamingContext.setCheckpoint(hdfsDirectory)

3、在driver端使用正确的API来达到Driver的容错，需要写代码

import org.apache.spark.storage.StorageLevel

import org.apache.spark.streaming.{Seconds, StreamingContext}

import org.apache.spark.{SparkConf, SparkContext}

/**

  * WordCount程序，Spark Streaming消费TCP Server发过来的实时数据的例子：

  *

  * 1、在master服务器上启动一个Netcat server

  * `$ nc -lk 9998` (如果nc命令无效的话，我们可以用yum install -y nc来安装nc)

  *

  * 2、用下面的命令在在集群中将Spark Streaming应用跑起来

  * spark-submit --class com.twq.wordcount.JavaNetworkWordCount \

  * --master spark://master:7077 \

  * --deploy-mode cluster \

  * --driver-memory 512m \

  * --executor-memory 512m \

  * --total-executor-cores 4 \

  * --executor-cores 2 \

  * /home/hadoop-twq/spark-course/streaming/spark-streaming-basic-1.0-SNAPSHOT.jar

  */

object NetworkWordCount {

  def main(args: Array[String]) {

    val checkpointDirectory = "hdfs://master:9999/user/hadoop-twq/spark-course/streaming/chechpoint"

    def functionToCreateContext(): StreamingContext = {

      val sparkConf = new SparkConf()

      .setAppName("NetworkWordCount")

      val sc = new SparkContext(sparkConf)

      // Create the context with a 1 second batch size

      val ssc = new StreamingContext(sc, Seconds(1))    

      //创建一个接收器(ReceiverInputDStream)，这个接收器接收一台机器上的某个端口通过socket发送过来的数据并处理

      val lines = ssc.socketTextStream("master", 9998, StorageLevel.MEMORY_AND_DISK_SER_2)//  提高数据块的高可用性，备份两份，但会占用一定的内存

      //处理的逻辑，就是简单的进行word count

      val words = lines.flatMap(_.split(" "))

      val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _)

      //将结果输出到控制台

      wordCounts.print()

      ssc.checkpoint(checkpointDirectory)

      ssc

    }

    //  代码

    val ssc = StreamingContext.getOrCreate(checkpointDirectory, functionToCreateContext _)

    //启动Streaming处理流

    ssc.start()

    //等待Streaming程序终止

    ssc.awaitTermination()

  }

}

设置自动重启Driver程序

standalone :

在spark-submit中增加以下两个参数：

--deploy-mode cluster

--supervise

 

 

yarn :

在spark-submit中增加以下一个参数：

--deploy-mode cluster

在yarn配置中设置yarn.resourcemanager.am.max-attemps

 

 

mesos :

Marathon 可以重启 Mesos应用

利用WAL恢复数据的配置

1、设置hdfs的checkpoint目录

streamingContext.setCheckpoint(hdfsDirectory)

2、打开WAL的配置

sparkConf.set(“spark.streaming.receiver.writeAheadLog.enable”, “true”)

3、Receiver应该是reliable的

当数据写完了WAL后，才告诉数据源数据已经消费

对于没有告诉数据源的数据，可以从数据源中重新消费数据

4、取消掉in-memory数据备份

使用StorageLevel.MEMORY_AND_DISK_SER来存储数据源，已经写入磁盘，没必要备份到其他executor上内存中，进而节省空间

接收到的数据不管是备份到其他 Executor还是保存到HDFS上，都会给数据源发送回执，假设没有发送回执，重新消费没有发送回执的数据，进而保证数据不会丢失，eg： Kafka

Reliable Receiver :

当数据接收到，并且已经备份存储后，再发送回执给数据源

Unreliable Receiver :

不发送回执给数据源