大数据实时项目实战

一、Spark Streaming

Spark Streaming 是核心Spark API的扩展，可实现实时数据的可扩展，高吞吐量，容错处理。数据可以从许多来源（如Kafka,Flume,Kinesis,或TCP套接字）中获取，并可以使用高级函数进行处理，处理完后的数据可以推送到文件系统，数据库和实时仪表板。

在内部，他的工作原理如下，Spark Streaming接收实时输入数据流并将数据分成批处理，然后由Spark引擎处理以批处理生成最终结果流。 

二、实时项目需求及架构设计 1、项目需求分析

• 数据采集平台搭建
• Kafka、Zookeeper中间件准备
• 下游Spark Streaming对接Kafka接收数据，实现vip个数统计、栏目打标签功能、做题正确率与掌握度的实时计算功能。

2、技术选型

• 数据存储：Kafka、MySql
• 数据处理：Spark