新的可视化帮助更好地了解Spark Streaming应用程序
日前，在Spark1.4.0中新推出了可视化功能，用以更好的了解Spark应用程序的行为。Spark贡献者TathagataDas、ShixiongZhu和AndrewOr又撰文重点介绍为理解SparkStreaming应用程序而引入的新可视化功能。...
Spark Streaming
华为叶琪：论Spark Streaming的数据可靠性和一致性
SparkStreaming自发布起就得到了广泛的关注，然而作为一个年轻的项目，需要提升的地方同样很多，比如1.2之前版本driver挂掉可能会丢失数据。这里将分析它的可靠性机制。...
阿里明风：图流合壁，基于Spark Streaming和GraphX的动态图计算
借助GraphX强大的图计算能力，在小时级别内完成对TB数量级的图数据挖掘已经不是什么难事。但是随着互联网电子商务的快速发展，各种各样的图场景应运而生，从而对图的计算提出了更高的时效性要求。...
Spark Streaming容错的改进和零数据丢失
实时流处理系统必须要能在247时间内工作，因此它需要具备从各种系统故障中恢复过来的能力。最开始，SparkStreaming就支持从driver和worker故障恢复的能力。这篇文章谈及SparkStreaming容错的改进和零数据丢失的实现。...
Spark Streaming：大规模流式数据处理的新贵
SparkStreaming是大规模流式数据处理的新贵，将流式计算分解成一系列短小的批处理作业。这篇文章阐释了SparkStreaming的架构及编程模型，并结合实践对其核心技术进行了深入的剖析，给出了具体的应用场景及优化方案。...