Checkpoint con streaming di file spark in java

Question

Voglio implementare il checkpoint con l'applicazione spark file streaming per elaborare tutti i file non elaborati da hadoop se in ogni caso la mia applicazione spark streaming si interrompe / termina. Sto seguendo questo: guida alla programmazione in streaming , ma non ho trovato JavaStreamingContextFactory. Per favore aiutami cosa dovrei fare.

Il mio codice è

public class StartAppWithCheckPoint {

    public static void main(String[] args) {
        
        try {
            
            String filePath = "hdfs://Master:9000/mmi_traffic/listenerTransaction/2020/*/*/*/"; 
            String checkpointDirectory = "hdfs://Mongo1:9000/probeAnalysis/checkpoint";
            SparkSession sparkSession = JavaSparkSessionSingleton.getInstance();

            JavaStreamingContextFactory contextFactory = new JavaStreamingContextFactory() {
                  @Override public JavaStreamingContext create() {
                      
                    SparkConf sparkConf = new SparkConf().setAppName("ProbeAnalysis");
                    JavaSparkContext sc = new JavaSparkContext(sparkConf);  
                    JavaStreamingContext jssc = new JavaStreamingContext(sc, Durations.seconds(300));
                    JavaDStream<String> lines = jssc.textFileStream(filePath).cache();
                    
                    jssc.checkpoint(checkpointDirectory);
                    return jssc;
                  }
                };
                
            JavaStreamingContext context = JavaStreamingContext.getOrCreate(checkpointDirectory, contextFactory);
            
            context.start();
            context.awaitTermination();
            context.close();
            sparkSession.close();
            
        } catch(Exception e) {
            e.printStackTrace();
        }   
    }
}

Answer 1

Devi usare Checkpointing

Per il checkpoint utilizzare trasformazioni stateful o updateStateByKeyo reduceByKeyAndWindow. Ci sono molti esempi in spark- examples forniti insieme a spark prebuild e spark source in git-hub. Per il tuo specifico, vedi JavaStatefulNetworkWordCount.java ;