# 離散流(DStreams)
離散流或者DStreams是Spark Streaming提供的基本的抽象,它代表一個連續的數據流。它要么是從源中獲取的輸入流,要么是輸入流通過轉換算子生成的處理后的數據流。在內部,DStreams由一系列連續的
RDD組成。DStreams中的每個RDD都包含確定時間間隔內的數據,如下圖所示:

任何對DStreams的操作都轉換成了對DStreams隱含的RDD的操作。在前面的[例子](../a-quick-example.md)中,`flatMap`操作應用于`lines`這個DStreams的每個RDD,生成`words`這個DStreams的
RDD。過程如下圖所示:

通過Spark引擎計算這些隱含RDD的轉換算子。DStreams操作隱藏了大部分的細節,并且為了更便捷,為開發者提供了更高層的API。下面幾節將具體討論這些操作的細節。
- Introduction
- 快速上手
- Spark Shell
- 獨立應用程序
- 開始翻滾吧!
- RDD編程基礎
- 基礎介紹
- 外部數據集
- RDD 操作
- 轉換Transformations
- map與flatMap解析
- 動作Actions
- RDD持久化
- RDD容錯機制
- 傳遞函數到 Spark
- 使用鍵值對
- RDD依賴關系與DAG
- 共享變量
- Spark Streaming
- 一個快速的例子
- 基本概念
- 關聯
- 初始化StreamingContext
- 離散流
- 輸入DStreams
- DStream中的轉換
- DStream的輸出操作
- 緩存或持久化
- Checkpointing
- 部署應用程序
- 監控應用程序
- 性能調優
- 減少批數據的執行時間
- 設置正確的批容量
- 內存調優
- 容錯語義
- Spark SQL
- 概述
- SparkSQLvsHiveSQL
- 數據源
- RDDs
- parquet文件
- JSON數據集
- Hive表
- 數據源例子
- join操作
- 聚合操作
- 性能調優
- 其他
- Spark SQL數據類型
- 其它SQL接口
- 編寫語言集成(Language-Integrated)的相關查詢
- GraphX編程指南
- 開始
- 屬性圖
- 圖操作符
- Pregel API
- 圖構造者
- 部署
- 頂點和邊RDDs
- 圖算法
- 例子
- 更多文檔
- 提交應用程序
- 獨立運行Spark
- 在yarn上運行Spark
- Spark配置
- RDD 持久化