[发明专利]提升Spark Streaming框架的数据处理效率的方法及系统在审
| 申请号： | 201910498151.7 | 申请日： | 2019-06-10 |
| 公开（公告）号： | CN110287038A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 张璐波;王全福;谢巍盛;马骏杰 | 申请（专利权）人： | 天翼电子商务有限公司 |
| 主分类号： | G06F9/54 | 分类号： | G06F9/54;G06F9/448 |
| 代理公司： | 上海光华专利事务所(普通合伙) 31219 | 代理人： | 陈珊珊 |
| 地址： | 102200 北京市昌平*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供提升Spark Streaming框架的数据处理效率的方法、系统、介质和设备，所述方法包括：从Kafka消息中间件中读取当前批次的待处理数据；读取待处理数据的每个Kafka分区所包含的数据量；依据预设规则判断各Kafka分区中是否存在数据倾斜的Kafka分区；若判断结果为是，则在弹性分布数据集中为存在数据倾斜的Kafka分区创建至少两个连续的弹性分布数据集分区，并将存在数据倾斜的Kafka分区所包含的待处理数据写入所述至少两个连续的弹性分布数据集分区中；令弹性分布数据集所包含的各弹性分布数据集分区所对应的任务并行地消费各弹性分布数据集分区中的待处理数据。本发明有效解决了Spark Streaming框架中的数据倾斜问题，显著提高了数据处理吞吐量，并大大降低了数据处理时延。 | ||
| 搜索关键词： | 分区 分布数据集 待处理数据 数据处理效率 读取 数据处理 消息中间件 分布数据 分区创建 判断结果 倾斜问题 有效解决 预设规则 数据量 时延 吞吐量 并行 写入 | ||
【主权项】：
1.一种提升Spark Streaming框架的数据处理效率的方法，其特征在于，包括：从Kafka消息中间件中读取当前批次的待处理数据；读取所述待处理数据的每个Kafka分区所包含的数据量；依据预设规则判断各所述Kafka分区中是否存在数据倾斜的Kafka分区；若判断结果为是，则在弹性分布数据集中为所述存在数据倾斜的Kafka分区创建至少两个连续的弹性分布数据集分区，并将所述存在数据倾斜的Kafka分区所包含的待处理数据写入所述至少两个连续的弹性分布数据集分区中；令所述弹性分布数据集所包含的各所述弹性分布数据集分区所对应的任务并行地消费各所述弹性分布数据集分区中的待处理数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天翼电子商务有限公司，未经天翼电子商务有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910498151.7/，转载请声明来源钻瓜专利网。
