使用 Spark 流式传输的 Redshift

Posted 2023-03-31

【中文标题】使用 Spark 流式传输的 Redshift

【英文标题】：Redshift with Spark Streaming

【发布时间】：2017-09-27 16:44:20

【问题描述】：

我有一个 Kafka - Spark Streaming 应用程序，每分钟摄取和处理 60K 个事件。我需要一个数据库来存储转换后的数据框，以便可视化层访问。 Redshift 可以与 Spark Streaming 一起使用，还是应该使用 Cassandra？我将在每个 30 秒的 spark 窗口中处理和存储数据帧。我还需要从每个窗口中的数据存储中读取。我猜 Redhsift 主要是一个数据仓库数据库，不用于 OLTP 类的处理。有什么想法吗？

【参考方案1】：

您应该查看SnappyData。 SnappyData 将内存数据库与 Spark 深度集成，允许混合 OLTP/OLAP 应用程序。您可以在 Snappy 之上编写可以更新/删除数据库中数据的 Spark Streaming 应用程序。此外，因为它不通过连接器，所以 performs better 比 the myriad datastores 具有 Spark 连接器甚至是本机 Spark 缓存。在上述链接中，可能还有其他数据存储在 Spark 上提供混合 OLTP/OLAP 应用程序。

免责声明：我是 SnappyData 员工。