Structured Streaming作爲Spark新一代的流計算編程模型，針對流計算提供了很多新的的高級的API進行支持，這使得它比DStream要好用的多，同時編碼量也大幅度地減少，但是在當前版本V2.3下, Structured Streaming無法支持 多流（multiple streams) 多查詢 (multiple queryies)是非常頭痛的一個問題。
在流計算中，一個非常普遍的場景是：我們從Kafka中拿到raw data進行了初步的ETL之後，會以這個Dataset爲一個base（或者叫trunk)的stream, 然後分成兩個分支去處理，一條分支是將處理好的數據直接持久化到NoSQL數據庫，另一個分支是要進行某些流計算相關的分析，例如某種基於時間窗口的聚合運算，並把分析結果也寫入到的NoSQL數據庫。這是一類非常典型的具有分支特性的流，在基於DStream的編程模型上，我們可以依靠DStream的cache方法這實現這個需求，把base stream緩存之後，相當於保存了一個進行分支前的流的副本，後續的分支可以以個副本爲基準進行後續的操作，而不是會受到另一個分支的影響。但是讓人遺憾的是，當前的Structured Streaming不支持cache操作，具體參考:https://issues.apache.org/jira/browse/SPARK-20927
目前已知的一個替代方法是使用Dataset的createTempView方法來創建一個臨時視圖，然後分支操作,即分支Query都基於這個臨時視圖展開。要實現這個目標，還做一個重要的動作：不能使用Query的awaitTermination，因爲之會阻塞第二個分支Query的執行，而應該在所有的Query執行完start之後，使用sparkSession.streams.awaitAnyTermination()，只有這樣才能確保兩個分支Query都能啓動。
期待在cache功能就緒前，有更佳解決方案的同學留言。