在spark-streaming-2.4.0之前，不能保证多个dstream.foreachrdd按顺序执行。请看jobscheduler类中的以下代码：

class JobScheduler(val ssc: StreamingContext) extends Logging {

  // Use of ConcurrentHashMap.keySet later causes an odd runtime problem due to Java 7/8 diff
  // https://gist.github.com/AlainODea/1375759b8720a3f9f094
  private val jobSets: java.util.Map[Time, JobSet] = new ConcurrentHashMap[Time, JobSet]
  private val numConcurrentJobs = ssc.conf.getInt("spark.streaming.concurrentJobs", 1)
  private val jobExecutor =
    ThreadUtils.newDaemonFixedThreadPool(numConcurrentJobs, "streaming-job-executor")

jobexecutor是一个线程池，如果将“spark.streaming.concurrentjobs”设置为大于1的数字，则如果有足够的spark执行器可用，则可以并行执行。因此，确保你的设置是正确的，以引出你需要的行为。

DStream.foreach 自spark 0.9.0以来已弃用。你想要同等的 DStream.foreachRDD 首先。
spark dag中的阶段是按顺序执行的，因为一个变换的输出通常也是图形中下一个变换的输入，但在您的示例中不是这样的。
所发生的事情是rdd在内部被划分为多个分区。每个分区都在集群管理器可用的不同工作进程上运行。在你的例子中， DStream.foreach(a => ...) 将在之前执行 DStream.foreach(b => ...) ，但在 foreach 将与内部 RDD 正在迭代。
我想知道，因为我想在数据库插入之后提交kafka偏移量。
这个 DStream.foreachRDD 是一个输出转换，意味着它将导致spark具体化图形并开始执行。您可以放心地假设，对数据库的插入将在执行第二个命令之前结束 foreach ，但请记住 foreach 将在中的每个分区中并行更新数据库 RDD .