标签：
本期内容：
1、DStream与RDD关系彻底研究
2、Streaming中RDD的生成彻底研究
课前思考：
RDD是怎么生成的？
RDD依靠什么生成？根据DStream来的
RDD生成的依据是什么？
Spark Streaming中RDD的执行是否和Spark Core中的RDD执行有所不同？
运行之后我们对RDD怎么处理？
ForEachDStream不一定会触发Job的执行，但是它一定会触发job的产生，和Job是否执行没有关系；
对于DStream类，源码中是这样解释的。
|
* DStreams internally is characterized by a few basic properties: |
大致意思是：
1.DStream依赖于其他DStream，除了第一个DStream，因为第一个DStream基于数据源产生，用于接收数据，所以无其他依赖；
2.基于DStream怎么产生RDD？每隔BatchDuration，DStream生成一个RDD；
3.每隔BatchDuration，DStream内部函数会生成RDD；
问：DStream到底是怎么产生RDD的？
generatedRDDs是DStream的成员，说明每个DStream的实例中均有此成员，但是实质在运行的时候指抓住最后一个DStream的句柄。
特别感谢王家林老师的独具一格的讲解：
王家林老师名片：
中国Spark第一人
新浪微博：http://weibo.com/ilovepains
微信公众号：DT_Spark
博客：http://blog.sina.com.cn/ilovepains
QQ：1740415547
YY课堂：每天20:00现场授课频道68917580
Spark版本定制八：Spark Streaming源码解读之RDD生成全生命周期彻底研究和思考
标签：
原文地址：http://www.cnblogs.com/game-bigdata/p/5521660.html
