热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

SparkStreaming实时流处理笔记(9)——SparkStreaming高级功能

1高级功能带状态的算子:UpdateStatByKeypackagecom.myspark.comimportorg.apache.spark.SparkConf
1 高级功能
  • 带状态的算子: UpdateStatByKey

package com.myspark.comimport org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}object StatefulWordCount {def main(args: Array[String]): Unit = {val sparkConf = new SparkConf().setAppName("StatefulWordCount").setMaster("local[2]")val ssc = new StreamingContext(sparkConf, Seconds(5))/** 使用了 stateful 算子,必须要设置 checkpoint* 在生产环境中,建议把 checkpoint 设置到 HDFS 的某个文件夹中* */ssc.checkpoint(".")val lines = ssc.socketTextStream("localhost", 6789)val result = lines.flatMap(_.split(" ")).map((_, 1))val state = result.updateStateByKey[Int](updateFunction _)state.print()ssc.start()ssc.awaitTermination()}def updateFunction(currentValues: Seq[Int], preValues: Option[Int]): Option[Int] = {val current = currentValues.sumval pre = preValues.getOrElse(0)Some(current + pre)}}

2 实战

计算到目前为止出现的单词个数写入到 MySQL

2.1 创建表

mysql> use spark_test;
Database changed
mysql> create table wordcount(
word varchar(50) default null,
wordcount int(10) default null
);
Query OK, 0 rows affected (0.04 sec)mysql>

2.2 源码

修改 pom 文件

<dependency><groupId>mysqlgroupId><artifactId>mysql-connector-javaartifactId><version>5.1.38version>dependency>

package com.myspark.comimport java.sql.DriverManagerimport org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}/*
*
* 使用 Spark Streaming 完成词频统计&#xff0c;并将结果写入到 MySQL
* */

object ForeachRDDApp {def main(args: Array[String]): Unit &#61; {val sparkConf &#61; new SparkConf().setAppName("ForeachRDDApp").setMaster("local[2]")val ssc &#61; new StreamingContext(sparkConf, Seconds(5))/** 使用了 stateful 算子&#xff0c;必须要设置 checkpoint* 在生产环境中&#xff0c;建议把 checkpoint 设置到 HDFS 的某个文件夹中* */val lines &#61; ssc.socketTextStream("localhost", 6789)val result &#61; lines.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ &#43; _)//state.print()/*result.foreachRDD(rdd &#61;> {val connection &#61; createConnection()rdd.foreach { record &#61;>val sql &#61; "insert into wordcount(word,wordcount) values(&#39;"&#43;record._1&#43;"&#39;,"&#43;record._2&#43;")"connection.createStatement().execute(sql)}})*/result.print()/** 存在问题&#xff1a;对于已有的数据做更新&#xff0c;所有的数据均为insert** 改进思路&#xff1a;(1)在插入数据前先判断单词是否存在&#xff0c;如果存在就 update,不存在就insert* (2) HBase /Redis** 每个 rdd 的partition 创建 connection,建议改为连接池* */result.foreachRDD(rdd &#61;> {rdd.foreachPartition(partitionOfRecords &#61;> {val connection &#61; createConnection()partitionOfRecords.foreach(record &#61;> {val sql &#61; "insert into wordcount(word,wordcount) values(&#39;" &#43; record._1 &#43; "&#39;," &#43; record._2 &#43; ")"connection.createStatement().execute(sql)})connection.close()})})ssc.start()ssc.awaitTermination()}/** 获取 MySQL 的连接* */def createConnection() &#61; {Class.forName("com.mysql.jdbc.Driver")DriverManager.getConnection("jdbc:mysql://localhost:3306/spark_test", "root", "root")}}

2.3 运行

在这里插入图片描述
在这里插入图片描述

3 窗口函数
  • 定时的进行一个时间段内的数据处理
  • window length : 窗口的长度
  • sliding interval : 窗口的间隔
  • 这2个参数和 batch size 有关系&#xff1a; 倍数
  • 每隔多久计算某个范围内的数据&#xff08;每隔 sliding interval 统计前 window length的值&#xff09;

4 黑名单过滤 (transform)

4.1 例子


  1. 访问日志&#xff08;&#61;>DStream&#xff09;

001,aa
002,bb
003,cc

&#61;>(aa:001,aa) (bb:002,bb) (cc:003,cc)
2. 黑名单列表&#xff08;&#61;>RDD&#xff09;

aa
cc

&#61;> (aa:true) (cc:true)
3. leftjoin

(aa:[<001,aa>,])
(bb:[<002,bb>,])
(cc:[<003,cc>,])

4.2 源码

package com.myspark.comimport org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}/*
* 黑名单过滤
* */

object TransformApp {def main(args: Array[String]): Unit &#61; {val sparkConf &#61; new SparkConf().setMaster("local[2]").setAppName("TransformApp")val ssc &#61; new StreamingContext(sparkConf, Seconds(5))//构建黑名单val blacks &#61; List("aa", "cc")val blacksRDD &#61; ssc.sparkContext.parallelize(blacks).map(x &#61;> (x, true))val lines &#61; ssc.socketTextStream("localhost", 6789)val clicklog &#61; lines.map(x &#61;> (x.split(",")(1), x)).transform(rdd &#61;> {rdd.leftOuterJoin(blacksRDD).filter(x &#61;> x._2._2.getOrElse(false) !&#61; true).map(x &#61;> x._2._1)})clicklog.print()ssc.start()ssc.awaitTermination()}
}

4.3 结果

在这里插入图片描述


推荐阅读
  • 深入解析Java枚举及其高级特性
    本文详细介绍了Java枚举的概念、语法、使用规则和应用场景,并探讨了其在实际编程中的高级应用。所有相关内容已收录于GitHub仓库[JavaLearningmanual](https://github.com/Ziphtracks/JavaLearningmanual),欢迎Star并持续关注。 ... [详细]
  • 在本教程中,我们将深入探讨如何使用 Python 构建游戏的主程序模块。通过逐步实现各个关键组件,最终完成一个功能完善的游戏界面。 ... [详细]
  • 深入解析动态代理模式:23种设计模式之三
    在设计模式中,动态代理模式是应用最为广泛的一种代理模式。它允许我们在运行时动态创建代理对象,并在调用方法时进行增强处理。本文将详细介绍动态代理的实现机制及其应用场景。 ... [详细]
  • 深入解析 Android IPC 中的 Messenger 机制
    本文详细介绍了 Android 中基于消息传递的进程间通信(IPC)机制——Messenger。通过实例和源码分析,帮助开发者更好地理解和使用这一高效的通信工具。 ... [详细]
  • ListView简单使用
    先上效果:主要实现了Listview的绑定和点击事件。项目资源结构如下:先创建一个动物类,用来装载数据:Animal类如下:packagecom.example.simplelis ... [详细]
  • 本文详细探讨了HTML表单中GET和POST请求的区别,包括它们的工作原理、数据传输方式、安全性及适用场景。同时,通过实例展示了如何在Servlet中处理这两种请求。 ... [详细]
  • 对象自省自省在计算机编程领域里,是指在运行时判断一个对象的类型和能力。dir能够返回一个列表,列举了一个对象所拥有的属性和方法。my_list[ ... [详细]
  • JavaScript 基础语法指南
    本文详细介绍了 JavaScript 的基础语法,包括变量、数据类型、运算符、语句和函数等内容,旨在为初学者提供全面的入门指导。 ... [详细]
  • 利用决策树预测NBA比赛胜负的Python数据挖掘实践
    本文通过使用2013-14赛季NBA赛程与结果数据集以及2013年NBA排名数据,结合《Python数据挖掘入门与实践》一书中的方法,展示如何应用决策树算法进行比赛胜负预测。我们将详细讲解数据预处理、特征工程及模型评估等关键步骤。 ... [详细]
  • 本文介绍如何使用 Angular 6 的 HttpClient 模块来获取 HTTP 响应头,包括代码示例和常见问题的解决方案。 ... [详细]
  • 在高并发需求的C++项目中,我们最初选择了JsonCpp进行JSON解析和序列化。然而,在处理大数据量时,JsonCpp频繁抛出异常,尤其是在多线程环境下问题更为突出。通过分析发现,旧版本的JsonCpp存在多线程安全性和性能瓶颈。经过评估,我们最终选择了RapidJSON作为替代方案,并实现了显著的性能提升。 ... [详细]
  • 深入解析Spring启动过程
    本文详细介绍了Spring框架的启动流程,帮助开发者理解其内部机制。通过具体示例和代码片段,解释了Bean定义、工厂类、读取器以及条件评估等关键概念,使读者能够更全面地掌握Spring的初始化过程。 ... [详细]
  • 深入解析Java多线程与并发库的应用:空中网实习生面试题详解
    本文详细探讨了Java多线程与并发库的高级应用,结合空中网在挑选实习生时的面试题目,深入分析了相关技术要点和实现细节。文章通过具体的代码示例展示了如何使用Semaphore和SynchronousQueue来管理线程同步和任务调度。 ... [详细]
  • 基于Node.js、Express、MongoDB和Socket.io的实时聊天应用开发
    本文详细介绍了使用Node.js、Express、MongoDB和Socket.io构建的实时聊天应用程序。涵盖项目结构、技术栈选择及关键依赖项的配置。 ... [详细]
  • 我有一个SpringRestController,它处理API调用的版本1。继承在SpringRestControllerpackagerest.v1;RestCon ... [详细]
author-avatar
手机用户2602900587
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有