Spark有状态流处理似乎会产生随机结果。

此问题通常是由于状态更新不当引起的。首先，要确保使用的状态类型正确，并注意处理窗口边界问题。其次，可以尝试使用 checkpoint 和 WALS 来保证流处理的可靠性和异步容错。下面是一个使用 stateful streaming 处理的示例代码：

import org.apache.spark._
import org.apache.spark.streaming._
import org.apache.spark.streaming.StreamingContext._

val ssc = new StreamingContext(sparkConf, Seconds(1))
ssc.checkpoint("checkpoint")

val stream = ssc.socketTextStream("localhost", 9999)

val words = stream.flatMap(_.split(" "))
val wordCounts = words.map((_, 1)).reduceByKey(_ + _)

val updateFunc = (values: Seq[Int], state: Option[Int]) => {
  val currentCount = values.sum
  val previousCount = state.getOrElse(0)
  Some(currentCount + previousCount)
}

val statefulCounts = wordCounts.updateStateByKey[Int](updateFunc)

statefulCounts.print()
ssc.start()
ssc.awaitTermination()

在这个例子中，我们使用了 updateStateByKey() 函数来更新状态，并在其中定义了一个更新函数来对当前值和之前值进行累加。我们还使用了 checkpoint() 来定期保存状态，以防数据丢失。如果还有其他问题，请检查日志并尝试提高配置参数来解决问题。