今天先简单巩固了 Spark Streaming 的完整实时处理流程，把昨天的 demo 又梳理了一遍，确保从 Kafka 消费、数据清洗、窗口统计、Redis 存 offset 到结果输出的每一步代码都能独立写出来，还顺手优化了下代码结构，把重复的配置和工具方法抽成了单独的函数，让代码更整洁，后续改参数也更方便。之后就回头衔接之前的批处理知识，试了试批流结合的简单实操，用 Spark Streaming 把实时统计的中间结果输出到临时表，再用 Spark SQL 做批处理的二次聚合分析，比如把实时的每 10 秒单词统计结果存起来，每隔一分钟用批处理做一次汇总排序，发现批流的 API 能无缝衔接，之前学的 DataFrame、Spark SQL 知识都能直接复用，不用额外适配。过程中踩了个小坑，往临时表写数据时没指定表的存储格式，导致二次读取时字段类型错乱，指定成 Parquet 格式后就解决了。
