本文主要是介绍Spark Streaming（五）—— Spark Streaming缓存/持久化，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
与RDD类似，DStreams还允许开发人员将流数据保留在内存中。也就是说，在DStream上调用persist() 方法会自动将该DStream的每个RDD保留在内存中。如果DStream中的数据将被多次计算（例如，相同数据上执行多个操作），这个操作就会很有用。
- 对于基于窗口的操作，如reduceByWindow和reduceByKeyAndWindow以及基于状态的操作，如updateStateByKey，数据会默认进行持久化。 因此，基于窗口的操作生成的DStream会自动保存在内存中，而不需要开发人员调用persist()。
- 对于通过网络接收数据（例如Kafka，Flume，sockets等）的输入流，默认持久化级别被设置为将数据复制到两个节点进行容错。
- 与RDD不同，DStreams的默认持久化级别将数据序列化保存在内存中。
这篇关于Spark Streaming（五）—— Spark Streaming缓存/持久化的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
