Spark流式传输：嵌套的惰性转换和未按顺序执行的操作？

Question

我有一些看起来像这样的代码：

JavaDStream<String> stream = KafkaUtils.createDirectStream(...)

stream.transform(rdd -> {
  log("Action phase 1")

  // transformation logic, really fast
  return transform(rdd);

}).forEachRDD(javaRDD -> {

  log("Action phase 2")
  // mapping functions with a relatively long processing delay, 
  // this will lead to some number of queued batches
  mapRdd(javaRDD);

})

当我跟踪日志时，我们注意到“操作阶段1”在日志中多次出现（时间与排队的批次数量成正比），而“操作阶段2”对于每个已处理的批次仅出现一次。似乎stream.transform()的“惰性”转换相对于RDD转换急切地执行。

我目前的理论是，流内部的Rdd转换也相对于流也懒惰地执行。因此，它是惰性转换内部的惰性转换，因此与内部转换相比，“外部”转换很热衷。

这个理论正确吗？还是这里还有其他工作？

谢谢！