使用 Spark 流式传输的 Redshift

Posted

技术标签:

【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?

【问题讨论】:

【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。

【讨论】:

以上是关于使用 Spark 流式传输的 Redshift的主要内容,如果未能解决你的问题,请参考以下文章

使用 Spark 流式传输的 Redshift

流式传输 Kmeans Spark JAVA

使用 Kafka 进行 Spark 流式传输 - createDirectStream 与 createStream

Twitter使用Spark流式传输

Spark 结构化流式传输 - 为不同的 GroupBy 键使用不同的 Windows

Spark 将数据流式传输到 S3