Storm Trident 和 Spark Streaming：分布式批处理锁定

Posted 2023-04-18

【中文标题】Storm Trident 和 Spark Streaming：分布式批处理锁定

【英文标题】：Storm Trident and Spark Streaming: distributed batch locking

【发布时间】：2015-02-12 11:25:22

【问题描述】：

在大量阅读和构建 POC 之后，我们仍然不确定 Storm Trident 或 Spark Streaming 是否可以处理我们的用例：

我们拥有数百万台设备（具有唯一标识符）的入站传感器数据流。 我们需要在每个设备级别上执行此流的聚合。聚合将读取之前批次中已经处理（和持久化）的数据。 关键点：当我们处理特定设备的数据时，我们需要确保没有其他进程正在处理该特定设备的数据。这是因为我们处理的结果会影响该设备的下游处理。实际上，我们需要一个分布式锁。 此外，事件设备数据需要按照事件发生的顺序进行处理。

基本上我们不能同时处理同一设备的两个批次。

trident/spark 流可以处理我们的用例吗？

任何建议表示赞赏。

【问题讨论】：

@Matthias J. Sax：你自己得到答案了吗？如果是，您选择了 Trident 或 Spark Streaming 中的哪一个？为什么？

我没有问这个问题...

您可以通过哈希函数将数据分派到不同的分区，使相同设备的数据在同一个进程中。

【参考方案1】：

既然你有唯一的 id，你能把它们分开吗？例如，只需将 id 除以 10，然后根据余数将它们发送到不同的处理框？这还应注意确保按顺序处理每个设备的事件，因为它们将被发送到同一个盒子。我相信 Storm/Trident 可以让你保证按顺序处理。不确定 Spark，但如果他们不知道，我会感到惊讶。

我不得不说，这是一个非常棒的问题要解决。