顾名思义是遍历RDD用的，这个函数在DStream包中的InputStream类里，它允许你把数据发送给外部系统。因为输出操作实际上是允许外部系统消费转换后的数据，它们触发的实际操作是DStream转换。

def foreachRDD(foreachFunc: (RDD[T], Time) ⇒ Unit): Unit或者def foreachRDD(foreachFunc: (RDD[T]) ⇒ Unit): UnitApply a function to each RDD in this DStream.This is an output operator, so 'this' DStream will be registered as an output stream and therefore materialized.

所以要掌握它，对它要有深入了解。

下面转载一下常见的理解错误

经常写数据到外部系统需要创建一个连接的object handle（eg:根据TCP协议连接到远程的服务器，我们连接外部数据库需要自己的句柄）和发送数据到远程的系统。程序员可能会想当然地在spark上创建一个connection对象， 然后在spark线程里用这个对象来存RDD：

dstream.foreachRDD { rdd =>  val connection = createNewConnection()  // executed at the driver  rdd.foreach { record =>    connection.send(record) // executed at the worker  }}

这个代码会产生执行错误， 因为rdd是分布式存储的，它是一个数据结构，它是一组指向集群数据的指针， rdd.foreach会在集群里的不同机器上创建spark工作线程， 而connection对象则不会在集群里的各个机器之间传递， 所以有些spark工作线程就会产生connection对象没有被初始化的执行错误。 解决的办法可以是在spark worker里为每一个worker创建一个connection对象， 但是如果你这么做， 程序要为每一条record创建一次connection，显然效率和性能都非常差，即

dstream.foreachRDD { rdd =>  rdd.foreachPartition { partitionOfRecords =>    val connection = createNewConnection()    partitionOfRecords.foreach(record => connection.send(record))    connection.close()  }}

另一种改进方法是为每个spark分区创建一个connection对象，同时维护一个全局的静态的连接池对象， 这样就可以最好的复用connection。 另外需要注意： 虽然有多个connection对象， 但在同一时间只有一个connection.send(record)执行， 因为在同一个时间里， 只有 一个微批次的RDD产生出来。

dstream.foreachRDD { rdd =>  rdd.foreachPartition { partitionOfRecords =>    // ConnectionPool is a static, lazily initialized pool of connections    val connection = ConnectionPool.getConnection()    partitionOfRecords.foreach(record => connection.send(record))    ConnectionPool.returnConnection(connection)  // return to the pool for future reuse  }}

有人问了个问题，为什么foreachRDD里有两层嵌套的foreach? 为什么dstream.foreachRDD里还要再套一层rdd.foreach

可以这么理解, DStream.foreachRDD 是一个输出操作符，它返回的不是RDD里的一行数据， 而是输出DStream后面的RDD, 在一个时间间隔里， 只返回一个RDD的“微批次”， 为了访问这个“微批次”RDD里的数据， 我们还需要在RDD数据对象上做进一步操作。这也印证了文首的那段英文说明。 参考下面的代码实例， 更容易理解。

给定一个 RDD [Security, Prices]数据结构     dstream.foreachRDD { pricesRDD =>  // Loop over RDD       val x= pricesRDD.count       if (x > 0)  // RDD has data       {         for(line <- pricesRDD.collect.toArray) // Look for each record in the RDD         {           var index = line._2.split(',').view(0).toInt   // That is the index           var timestamp = line._2.split(',').view(1).toString // This is the timestamp from source           var security =  line._2.split(',').view(2).toString // This is the name of the security           var price = line._2.split(',').view(3).toFloat  // This is the price of the security           if (price.toFloat > 90.0)           {            // Do something here            // Sent notification, write to HDFS etc           }         }       }     }