1、直接用foreachRDD在这里面直接定义了对action操作，可以直接写对RDD处理的操作函数，如图：?2、从RDD的角度讲，操作DStream的print函数，其实是转过来操作foreachRDD的print：?在RDD中操作action不会产生新的RDD，DStream和它完全对应，在DStream中操作action不会产生新的DStream。?foreachDStream是transformation操作，在整个SparkStreaming的操作中，foreachDStream不一定会触发job的执行?，但会触发Job的产生。?Job产生由timer产生，根据业务逻辑代码产生，和foreachDStream没什么关系。?1、foreachDStream和Job的执行没有关系，不会触发Job执行。?2、有foreachDStream执行会产生Job是不对的，只根据框架来调度Job的执行。?foreachRDD的代码中对RDD的操作，如果没有action操作则不会执行action的操作。?foreachRDD是SparkStreaming的后门，直接对rdd的操作，背后封装成foreachRDD的操作。?总结：?在SparkStreaming的所有逻辑操作都是对DStream的操作，对DStream的操作其实就是对RDD的操作，DStream是RDD的模板。?后面的DStream对前面的DStream有依赖：?对map操作产生map的DStream：?基于DStream怎么产生rdd？通过batchInterval。研究DStream是怎么生成，看DStream的操作触发RDD的生成。?根据时间实例产生RDDs，和batchDuration对齐的，如：timer实例就是1秒，1秒生成一个RDD，?每个RDD对应一个Job，因为RDD就是DStream操作的时间间隔的最后一个RDD，后面的RDD对前面?的RDD有依赖关系，后面对前面有依赖可以推到出整个依赖链条。