spark 2.0 将流式计算也统一到dataframe里去了，提出了structured streaming的概念，将数据源映射为一张无线长度的表，同时将流式计算的结果映射为另外一张表，完全以结构化的方式去操作流式数据，复用了其对象的catalyst引擎。
作为spark平台的流式实现，spark streaming 是有单独一套抽象和api的，大体如下
图片来源于spakr官网
代码的形态如下：
上面都是套路,基本都得照着这么写。
spark 2.0 时代
概念上，所谓流式，无非就是无限大的表，官方给出的图一目了然：
图片来源于官网
在之前的宣传ppt里，有类似的代码，给人焕然一新的感觉。当然，下面的代码你肯定要有上下文的，就这一句肯定跑不起来的。
图片来源于http://litaotao.github.io/images/spark-2.0-7.png
第一个是标准的dataframe的使用代码。下面第二个则是流式计算的代码，看完这个demo你肯定会纳闷：
没有定时器么，我怎么设置duration?
在哪里设置awaittermination呢？
如果我要写入到其他引擎，而其他引擎没有适配咋办？
这些疑问其实归结起来就是：
<b>structured streaming 的完整套路是啥？</b>
我们来看看代码(例子来源于spark源码，我稍微做了些修改)：
这个就是structured streaming 的完整套路了。
structured streaming 目前source源只支持file 和 socket 两种。输出则是四种，前面已经提到。foreach则是可以无限扩展的。我举个例子：
我把数据最后写到各个节点的临时目录里。当然，这只是个例子，不过其他类似于写入redis的，则是类似的。
如果structured streaming 仅仅是换个api,或者能够支持dataframe操作，那么我只能感到遗憾了，因为2.0之前通过某些封装也能够很好的支持dataframe的操作。那么 structured streaming 的意义到底何在？
重新抽象了流式计算
易于实现数据的exactly-once
我们知道，2.0之前的spark streaming 只能做到at-least once,框架层次很难帮你做到exactly-once,参考我以前写的文章spark streaming crash 如何保证exactly once semantics。 现在通过重新设计了流式计算框架，使得实现exactly-once 变得容易了。
可能你会注意到，在structured streaming 里，多出了outputmode,现在有complete,append,update 三种，现在的版本只实现了前面两种。
complete,每次计算完成后，你都能拿到全量的计算结果。
append,每次计算完成后，你能拿到增量的计算结果。
但是，这里有个但是，使用了聚合类函数才能用complete模式，只是简单的使用了map,filter等才能使用append模式。 不知道大家明白了这里的含义么？
complete 就是我们前面提到的mapwithstate实现。 append 模式则是标准的对数据做解析处理，不做复杂聚合统计功能。
官方给出了complete 模式的图：
append 模式则是返回transform后最新的数据。
前面我们说到，现在的设计很简单，其实就是 无限大的 source table 映射到一张无限大的 result table上，每个周期完成后，都会更新result table。我们看到，structured streaming 已经接管了端到端了，可以通过内部机制保证数据的完整性，可靠性。
offset 概念，流式计算一定有offset的概念。
对于无法回溯的数据源则采用了wal日志
state概念，对result table 的每个分区都进行状态包装，分区的的每个add,put,update，delete操作，都会写入到hdfs上，方便系统恢复。
其中第三点是只有在2.0才有的概念。不过比较遗憾的是，result table 和foreachwriter 并没有什么结合，系统只是保证result table的完整性，通过hdfsbackedstatestoreprovider将result table 保存到hdfs。
以前的api就是给你个partition的iterator，你爱怎么玩怎么玩，但是到了现在，以foreachwriter为例，
数据你只能一条一条处理了。理论上如果假设正好在process的过程中，系统挂掉了，那么数据就会丢了，但因为 structured streaming 如果是complete模式，因为是全量数据，所以其实做好覆盖就行，也就说是幂等的。
如果是append 模式，则可能只能保证at-least once ,而对于其内部，也就是result table 是可以保证exactly-once 的。对于比如数据库，本身是可以支持事物的，可以在foreachwrite close的时候commit下，有任何失败的时候则在close的时候，rollback 就行。但是对于其他的，比如hbase,redis 则较为困难。
另外在foreachwriter提供的初始化函数，
返回值是boolean,通过检测版本号，是否跳过这个分区的数据处理。返回true是为不跳过，否则为跳过。当你打开的时候，可以通过某种手段保存version,再系统恢复的时候，则可以读取该版本号，低于该版本的则返回false,当前的则继续处理。