Apache spark 如何在Spark Streaming中构建查找映射？

在spark流媒体应用程序中，维护应用程序状态的最佳方法是什么

我知道两种方法：

使用“Union”操作附加到查找RDD，并在每次Union后将其持久化

将状态保存在文件或数据库中，并在每个批处理开始时加载

---

我的问题是从性能的角度来看，哪一个更好？另外，还有更好的方法吗？

您应该使用以下方法：

import org.apache.spark.streaming.{ StreamingContext, Seconds }
val ssc = new StreamingContext(sc, batchDuration = Seconds(5))

// checkpointing is mandatory
ssc.checkpoint("_checkpoints")

val rdd = sc.parallelize(0 to 9).map(n => (n, n % 2 toString))
import org.apache.spark.streaming.dstream.ConstantInputDStream
val sessions = new ConstantInputDStream(ssc, rdd)

import org.apache.spark.streaming.{State, StateSpec, Time}
val updateState = (batchTime: Time, key: Int, value: Option[String], state: State[Int]) => {
  println(s">>> batchTime = $batchTime")
  println(s">>> key       = $key")
  println(s">>> value     = $value")
  println(s">>> state     = $state")
  val sum = value.getOrElse("").size + state.getOption.getOrElse(0)
  state.update(sum)
  Some((key, value, sum)) // mapped value
}
val spec = StateSpec.function(updateState)
val mappedStatefulStream = sessions.mapWithState(spec)

mappedStatefulStream.print()

---

你看过updateStateByKey吗？在中查找它，然后尝试该示例，看看它是否适合您的需要是的，我查看了它，但不知道如何使用它在我的情况下，状态将是键和值对的映射，其中值是用户对象。现在，对于每个进入的用户活动流，我想更新缓存中的用户对象。