云計(jì)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(jī)制和checkpoint（2）

有兩種數(shù)據(jù)需要被進(jìn)行checkpoint：

1.元數(shù)據(jù)checkpoint—-將定義了流式計(jì)算邏輯的信息，報(bào)錯(cuò)到容錯(cuò)的存儲(chǔ)系統(tǒng)上，比如HDFS 
當(dāng)運(yùn)行Spark—Streaming應(yīng)用程序的Driver進(jìn)程所在的節(jié)點(diǎn)失敗時(shí)，該信息可以用于進(jìn)行恢復(fù)。 
元數(shù)據(jù)信息包括了： 
1.1：配置信息—?jiǎng)?chuàng)建Spark-Streaming應(yīng)用程序的配置信息，比如SparkConf 
1.2：DStream的操作信息—-定義了Spark-Stream應(yīng)用程序的計(jì)算邏輯的DStream操作信息 
1.3：未處理的batch信息—-哪些job正在排隊(duì)，還沒(méi)處理的batch信息。

2.數(shù)據(jù)checkpoint—將實(shí)時(shí)計(jì)算過(guò)程中產(chǎn)生的RDD的數(shù)據(jù)保存到可靠的存儲(chǔ)系統(tǒng)中 
對(duì)于一些將多個(gè)batch的數(shù)據(jù)進(jìn)行聚合的，有狀態(tài)的transformation操作，這是非常有用的， 
在這種tranformation操作中，生成的RDD是依賴與之前的batch的，這會(huì)導(dǎo)致隨著時(shí)間的推移，Rdd的依賴 
鏈條越來(lái)越長(zhǎng)，要避免由于依賴鏈條越來(lái)越長(zhǎng)，導(dǎo)致一起變得越來(lái)越長(zhǎng)的失敗恢復(fù)時(shí)間，有狀態(tài)的transformation 
操作執(zhí)行過(guò)程中間產(chǎn)生的RDD，會(huì)定期的被checkpoint盜可靠的存儲(chǔ)系統(tǒng)上,比如HDFS,從而削減RDD的依賴鏈條，進(jìn)而縮短失敗恢復(fù)時(shí)， 
RDD的回復(fù)時(shí)間