Spark Streaming基本原理：是將流資料分成小的時間片段（幾秒），以類似批處理方式來處理這部分小資料。
處理流程：

1. Spark Streaming把實時輸入資料流以時間片Δt （如1秒）為單位切分成塊
2. Spark Streaming會把每塊資料作為一個RDD，並使用RDD操作處理每一小塊資料
3. 每個塊都會生成一個Spark Job處理
4. 最終結果也返回多塊

Spark Streaming是建立在Spark上的實時計算框架，通過它提供豐富的API、基於記憶體的高速執行引擎，使用者可以結合流式、批處理和互動試查詢應用。

1. Saprk的低延遲執行引擎（100MS+）可以用於實時處理
2. 相比於strom(基於Record)，RDD資料更容易做容錯。
3. 可以與kafka,Flume,ZeroMQ等進行資料來源的對接

• 先說一下各個元件：SparkStreaming包括Driver和Client端，StreamingContext執行在Driver端，包括如圖中的幾個程序。

執行步驟如下：

1. step1：啟動流處理引擎StreamingContext,建立DStreamGraph/JobScheduler（Receiver Tacker管理者）,Receiver Tacker通知客戶端ReceiverSuperVisor管理者和Receiver幹事,要開始接收資料。
2. step2：ReceiverSuperVisor通知Receiver寫記憶體或者磁碟，一旦寫滿，通知Receiver Tacker管理者，提交資料儲存位置，把元資訊給Receiver Tacker。
3. step3：StreamingContext的定時器JobGenerator，通知Receiver Tacker管理者提交資料給叢集，並要求DStreamGraph生成作業序號。
4. step4：資料處理結果給外部。