# Spark Streaming Spark streaming是Spark核心API的一個擴展，它對實時流式數據的處理具有可擴展性、高吞吐量、可容錯性等特點。我們可以從kafka、flume、Twitter、 ZeroMQ、Kinesis等源獲取數據，也可以通過由高階函數map、reduce、join、window等組成的復雜算法計算出數據。最后，處理后的數據可以推送到文件系統、數據庫、實時儀表盤中。事實上，你可以將處理后的數據應用到Spark的[機器學習算法](https://spark.apache.org/docs/latest/mllib-guide.html)、[圖處理算法](https://spark.apache.org/docs/latest/graphx-programming-guide.html)中去。  在內部，它的工作原理如下圖所示。Spark Streaming接收實時的輸入數據流，然后將這些數據切分為批數據供Spark引擎處理，Spark引擎將數據生成最終的結果數據。  Spark Streaming支持一個高層的抽象，叫做離散流(`discretized stream`)或者`DStream`，它代表連續的數據流。DStream既可以利用從Kafka, Flume和Kinesis等源獲取的輸入數據流創建，也可以在其他DStream的基礎上通過高階函數獲得。在內部，DStream是由一系列RDDs組成。 本指南指導用戶開始利用DStream編寫Spark Streaming程序。用戶能夠利用scala、java或者Python來編寫Spark Streaming程序。 注意：Spark 1.2已經為Spark Streaming引入了Python API。它的所有DStream transformations和幾乎所有的輸出操作可以在scala和java接口中使用。然而，它只支持基本的源如文本文件或者套接字上的文本數據。諸如flume、kafka等外部的源的API會在將來引入。 - [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](#)