Spark实时（一）：StructuredStreaming 介绍
文章目录
Structured Streaming 介绍
一、SparkStreaming实时数据处理痛点
1、复杂的编程模式
2、SparkStreaming处理实时数据只支持Processing Time
3、微批处理，延迟高
4、精准消费一次问题
二、StructuredStreaming架构与场景应用
三、StructuredStreaming 特点
Structured Streaming 介绍
一、SparkStreaming实时数据处理痛点
在Spark2.0之前版本中处理流式数据时使用SparkStreaming模块，SparkStreaming模块有一些痛点问题，问题如下：
1、复杂的编程模式
SparkStreaming编写代码是基于DStream进行，DStream底层是RDD操作，编程时需要编写很多DStream API非常不方便。由于不同开发者编码水平不同，导致不同人编写相同业务逻辑程序执行效率也有很大不同。并且在SparkStreaming中编程时需要创建StreamingContext对象，如果想要使用SQL方式对实时数据进行处理，那么还需要创建SparkSession对象，编程方式非常不方便。
<