本文主要講解Dstream 如何生成RDD以及如何驅動RDD的調用的？
（1）從Dstream.print()開始
將數據打印出來，取前面幾條，最後調用的是：
而regester中是直接將結果作爲輸出ssc.graph.addOutputStream(this)
上一節中我們知道,JobGenertor會掉用generatedJob來定期啓動time調用job.
也就是說，是 DStreamGraph 繼續調用了每 outputStream 的 generateJob(time) 方法 —— 而我們知道，只有 ForEachDStream 是 outputStream，所以將調用 ForEachDStream 的 generateJob(time) 方法.比如調用print的時候會調用ForeachDstream的generatoeJob,其中會調用parent.getOrCompute(time)àcomputer(time)方法,compute(time) 的具體實現裏，就很簡單了：
- (1) 獲取 parent DStream 在本 batch 裏對應的 RDD 實例
- (2) 以這個 parent RDD 和本次 batch 的 time 爲參數，調用 foreachFunc(parentRDD, time) 方法
（2）上面是action的流程，對於transformation又是如何的？
MappedDstream的compute方法
override def compute(validTime: Time): Option[RDD[U]] = {
parent.getOrCompute(validTime).map(_.map[U](mapFunc))
}
可以看到，首先在構造函數裏傳入了兩個重要內容：
- parent，是本 MappedDStream 上游依賴的 DStream
- mapFunc，是本次 map() 轉換的具體函數
- 在前文 [DStream, DStreamGraph 詳解](1.1 DStream, DStreamGraph 詳解.md) 中的 quick example 裏的 val pairs = words.map(word => (word, 1)) 的 mapFunc 就是 word => (word, 1)
獲取了parent dstream的rdd實例，然後以mapFun爲參數調用 .map(mapFunc) 方法，將得到的新 RDD 實例返回.
（3）對於inputstream又是如何的?
可以看到生成的是BlockRdd.
這樣串起來了，inputstream生成BlockRdd，transfermation對RDD轉換，action實現對數據的輸出。
總結：
我們在代碼裏的兩次 print() 操作產生了兩個 ForEachDStream 節點 x 和 y，兩次調用 x.generateJob(time) 和 y.generateJob(time) 方法
x 的 parentDStream.getOrCompute(time)， d.getOrCompute(time)； d.getOrCompute(time) 會牽扯 c.getOrCompute(time)，乃至 a.getOrCompute(time), b.getOrCompute(time)
y 節點生成 Job 的過程，與 x 節點的過程非常類似，只是在 b.getOrCompute(time) 時，會命中 get(time) 而不需要觸發 compute(time) 了，這是因爲該 RDD 實例已經在 x 節點的生成過程中被實例化過一次，所以在這裏只需要取出來用就可以了。
整個鏈條就串起來了！