为了初始化Spark Streaming程序，一个StreamingContext对象必需被创建，它是Spark Streaming所有流操作的主要入口。一个StreamingContext 对象可以用SparkConf对象创建。
import org.apache.spark._ import org.apache.spark.streaming._ val conf = new SparkConf().setAppName(appName).setMaster(master) val ssc = new StreamingContext(conf, Seconds(1))
appName表示你的应用程序显示在集群UI上的名字，master是一个Spark、Mesos、YARN集群URL 或者一个特殊字符串“local[*]”，它表示程序用本地模式运行。当程序运行在集群中时，你并不希望在程序中硬编码master，而是希望用spark-submit启动应用程序，并从spark-submit中得到 master的值。对于本地测试或者单元测试，你可以传递“local”字符串在同一个进程内运行Spark Streaming。需要注意的是，它在内部创建了一个SparkContext对象，你可以通过ssc.sparkContext 访问这个SparkContext对象。
批时间片需要根据你的程序的潜在需求以及集群的可用资源来设定，你可以在性能调优那一节获取详细的信息。
可以利用已经存在的SparkContext对象创建StreamingContext对象。
mport org.apache.spark.streaming._ val sc = ... // existing SparkContext val ssc = new StreamingContext(sc, Seconds(1))
当一个上下文（context）定义之后，你必须按照以下几步进行操作
1 定义输入源；
2 准备好流计算指令；
3 利用streamingContext.start()方法接收和处理数据；
4 处理过程将一直持续，直到streamingContext.stop()方法被调用。
几点需要注意的地方：
1 一旦一个context已经启动，就不能有新的流算子建立或者是添加到context中。
2 一旦一个context已经停止，它就不能再重新启动
3 在JVM中，同一时间只能有一个StreamingContext处于活跃状态
4 在StreamingContext上调用stop()方法，也会关闭SparkContext对象。如果只想仅关闭StreamingContext对象，设置stop()的可选参数为false
5 一个SparkContext对象可以重复利用去创建多个StreamingContext对象，前提条件是前面的StreamingContext在后面StreamingContext创建之前关闭（不关闭SparkContext）。
感觉本站内容不错，读后有收获？小额赞助,鼓励网站分享出更好的教程