欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Spark Streaming算子開發(fā)實例

 更新時間:2019年06月14日 10:07:07   作者:SetsunaMeow  
這篇文章主要介紹了Spark Streaming算子開發(fā)實例,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧

Spark Streaming算子開發(fā)實例

transform算子開發(fā)

transform操作應(yīng)用在DStream上時,可以用于執(zhí)行任意的RDD到RDD的轉(zhuǎn)換操作,還可以用于實現(xiàn)DStream API中所沒有提供的操作,比如說,DStreamAPI中并沒有提供將一個DStream中的每個batch,與一個特定的RDD進行join的操作,DStream中的join算子只能join其他DStream,但是我們自己就可以使用transform操作來實現(xiàn)該功能。

實例:黑名單用戶實時過濾

package StreamingDemo

import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}

/**
 * 實時黑名單過濾
 */
object TransformDemo {
 def main(args: Array[String]): Unit = {
  //設(shè)置日志級別
  Logger.getLogger("org").setLevel(Level.WARN)
  val conf = new SparkConf()
   .setAppName(this.getClass.getSimpleName)
   .setMaster("local[2]")
  val ssc = new StreamingContext(conf, Seconds(2))

  //創(chuàng)建一個黑名單的RDD
  val blackRDD =
   ssc.sparkContext.parallelize(Array(("zs", true), ("lisi", true)))

  //通過socket從nc中獲取數(shù)據(jù)
  val linesDStream = ssc.socketTextStream("Hadoop01", 6666)

  /**
   * 過濾黑名單用戶發(fā)言
   * zs sb sb sb sb
   * lisi fuck fuck fuck
   * jack hello
   */
  linesDStream
   .map(x => {
    val info = x.split(" ")
    (info(0), info.toList.tail.mkString(" "))
   })
   .transform(rdd => { //transform是一個RDD->RDD的操作,所以返回值必須是RDD
    /**
     * 經(jīng)過leftouterjoin操作之后,產(chǎn)生的結(jié)果如下:
     * (zs,(sb sb sb sb),Some(true)))
     * (lisi,(fuck fuck fuck),some(true)))
     * (jack,(hello,None))
     */
    val joinRDD = rdd.leftOuterJoin(blackRDD)

    //如果是Some(true)的,說明就是黑名單用戶,如果是None的,說明不在黑名單內(nèi),把非黑名單的用戶保留下來
    val filterRDD = joinRDD.filter(x => x._2._2.isEmpty)

    filterRDD
   })
   .map(x=>(x._1,x._2._1)).print()

  ssc.start()
  ssc.awaitTermination()
 }
}

測試

啟動nc,傳入用戶及其發(fā)言信息

可以看到程序?qū)崟r的過濾掉了在黑名單里的用戶發(fā)言

updateStateByKey算子開發(fā)

updateStateByKey算子可以保持任意狀態(tài),同時不斷有新的信息進行更新,這個算子可以為每個key維護一份state,并持續(xù)不斷的更新state。對于每個batch來說,Spark都會為每個之前已經(jīng)存在的key去應(yīng)用一次State更新函數(shù),無論這個key在batch中是否有新的值,如果State更新函數(shù)返回的值是none,那么這個key對應(yīng)的state就會被刪除;對于新出現(xiàn)的key也會執(zhí)行state更新函數(shù)。

要使用該算子,必須進行兩個步驟

  • 定義state——state可以是任意的數(shù)據(jù)類型
  • 定義state更新函數(shù)——用一個函數(shù)指定如何使用之前的狀態(tài),以及從輸入流中獲取新值更新狀態(tài)

注意:updateStateByKey操作,要求必須開啟Checkpoint機制

實例:基于緩存的實時WordCount

package StreamingDemo

import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}

/**
 * 基于緩存的實時WordCount,在全局范圍內(nèi)統(tǒng)計單詞出現(xiàn)次數(shù)
 */
object UpdateStateByKeyDemo {
 def main(args: Array[String]): Unit = {
  //設(shè)置日志級別
  Logger.getLogger("org").setLevel(Level.WARN)

  /**
   * 如果沒有啟用安全認證或者從Kerberos獲取的用戶為null,那么獲取HADOOP_USER_NAME環(huán)境變量,
   * 并將它的值作為Hadoop執(zhí)行用戶設(shè)置hadoop username
   * 這里實驗了一下在沒有啟用安全認證的情況下,就算不顯式添加,也會自動獲取我的用戶名
   */
  //System.setProperty("HADOOP_USER_NAME","Setsuna")

  val conf = new SparkConf()
   .setAppName(this.getClass.getSimpleName)
   .setMaster("local[2]")
  val ssc = new StreamingContext(conf, Seconds(2))

  //設(shè)置Checkpoint存放的路徑
  ssc.checkpoint("hdfs://Hadoop01:9000/checkpoint")

  //創(chuàng)建輸入DStream
  val lineDStream = ssc.socketTextStream("Hadoop01", 6666)
  val wordDStream = lineDStream.flatMap(_.split(" "))
  val pairsDStream = wordDStream.map((_, 1))

  /**
   * state:代表之前的狀態(tài)值
   * values:代表當前batch中key對應(yīng)的values值
   */
  val resultDStream =
   pairsDStream.updateStateByKey((values: Seq[Int], state: Option[Int]) => {

    //當state為none,表示沒有對這個單詞做統(tǒng)計,則返回0值給計數(shù)器count
    var count = state.getOrElse(0)

    //遍歷values,累加新出現(xiàn)的單詞的value值
    for (value <- values) {
     count += value
    }

    //返回key對應(yīng)的新state,即單詞的出現(xiàn)次數(shù)
    Option(count)
   })

  //在控制臺輸出
  resultDStream.print()

  ssc.start()
  ssc.awaitTermination()
 }
}

測試

開啟nc,輸入單詞

控制臺實時輸出的結(jié)果

window滑動窗口算子開發(fā)

Spark Streaming提供了滑動窗口操作的支持,可以對一個滑動窗口內(nèi)的數(shù)據(jù)執(zhí)行計算操作
在滑動窗口中,包含批處理間隔、窗口間隔、滑動間隔

  • 對于窗口操作而言,在其窗口內(nèi)部會有N個批處理數(shù)據(jù)
  • 批處理數(shù)據(jù)的大小由窗口間隔決定,而窗口間隔指的就是窗口的持續(xù)時間,也就是窗口的長度
  • 滑動時間間隔指的是經(jīng)過多長時間窗口滑動一次,形成新的窗口,滑動間隔默認情況下和批處理時間間隔的相同

注意:滑動時間間隔和窗口時間間隔的大小一定得設(shè)置為批處理間隔的整數(shù)倍

用一個官方的圖來作為說明

批處理間隔是1個時間單位,窗口間隔是3個時間單位,滑動間隔是2個時間單位。對于初始的窗口time1-time3,只有窗口間隔滿足了才觸發(fā)數(shù)據(jù)的處理。所以滑動窗口操作都必須指定兩個參數(shù),窗口長度和滑動時間間隔。在Spark Streaming中對滑動窗口的支持是比Storm更加完善的。

Window滑動算子操作

算子 描述
window() 對每個滑動窗口的數(shù)據(jù)執(zhí)行自定義的計算
countByWindow() 對每個滑動窗口的數(shù)據(jù)執(zhí)行count操作
reduceByWindow() 對每個滑動窗口的數(shù)據(jù)執(zhí)行reduce操作
reduceByKeyAndWindow() 對每個滑動窗口的數(shù)據(jù)執(zhí)行reduceByKey操作
countByValueAndWindow() 對每個滑動窗口的數(shù)據(jù)執(zhí)行countByValue操作

reduceByKeyAndWindow算子開發(fā)

實例:在線熱點搜索詞實時滑動統(tǒng)計

每隔2秒鐘,統(tǒng)計最近5秒鐘的搜索詞中排名最靠前的3個搜索詞以及出現(xiàn)次數(shù)

package StreamingDemo

import org.apache.log4j.{Level, Logger}
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}

/**
 * 需求:每隔2秒鐘,統(tǒng)計最近5秒鐘的搜索詞中排名最靠前的3個搜索詞以及出現(xiàn)次數(shù)
 */
object ReduceByKeyAndWindowDemo {
 def main(args: Array[String]): Unit = {

  //設(shè)置日志級別
  Logger.getLogger("org").setLevel(Level.WARN)
  //基礎(chǔ)配置
  val conf = new SparkConf()
   .setAppName(this.getClass.getSimpleName)
   .setMaster("local[2]")

  //批處理間隔設(shè)置為1s
  val ssc = new StreamingContext(conf, Seconds(1))

  val linesDStream = ssc.socketTextStream("Hadoop01", 6666)
  linesDStream
   .flatMap(_.split(" ")) //根據(jù)空格來做分詞
   .map((_, 1)) //返回(word,1)
   .reduceByKeyAndWindow(
    //定義窗口如何計算的函數(shù)
    //x代表的是聚合后的結(jié)果,y代表的是這個Key對應(yīng)的下一個需要聚合的值
    (x: Int, y: Int) => x + y,
    //窗口長度為5秒
    Seconds(5),
    //窗口時間間隔為2秒
    Seconds(2)
   )
   .transform(rdd => { //transform算子對rdd做處理,轉(zhuǎn)換為另一個rdd
    //根據(jù)Key的出現(xiàn)次數(shù)來進行排序,然后降序排列,獲取最靠前的3個搜索詞
    val info: Array[(String, Int)] = rdd.sortBy(_._2, false).take(3)
    //將Array轉(zhuǎn)換為resultRDD
    val resultRDD = ssc.sparkContext.parallelize(info)
    resultRDD
   })
   .map(x => s"${x._1}出現(xiàn)的次數(shù)是:${x._2}")
   .print()

  ssc.start()
  ssc.awaitTermination()

 }
}

測試結(jié)果

DStream Output操作概覽

Spark Streaming允許DStream的數(shù)據(jù)輸出到外部系統(tǒng),DSteram中的所有計算,都是由output操作觸發(fā)的,foreachRDD輸出操作,也必須在里面對RDD執(zhí)行action操作,才能觸發(fā)對每一個batch的計算邏輯。

轉(zhuǎn)換 描述
print() 在Driver中打印出DStream中數(shù)據(jù)的前10個元素。主要用于測試,或者是不需要執(zhí)行什么output操作時,用于簡單觸發(fā)一下job。
saveAsTextFiles(prefix,
[suffix])
將DStream中的內(nèi)容以文本的形式保存為文本文件,其中每次批處理間隔內(nèi)產(chǎn)生的文件以prefix-TIME_IN_MS[.suffix]的方式命名。
saveAsObjectFiles(prefix
, [suffix])
將DStream中的內(nèi)容按對象序列化并且以SequenceFile的格式保存。其中每次批處理間隔內(nèi)產(chǎn)生的文件以prefix-TIME_IN_MS[.suffix]的方式命名。
saveAsHadoopFiles(pref
ix, [suffix])
將DStream中的內(nèi)容以文本的形式保存為Hadoop文件,其中每次批處理間隔內(nèi)產(chǎn)生的文件
以prefix-TIME_IN_MS[.suffix]的方式命名。
foreachRDD(func) 最基本的輸出操作,將func函數(shù)應(yīng)用于DStream中的RDD上,這個操作會輸出數(shù)據(jù)到外部系
統(tǒng),比如保存RDD到文件或者網(wǎng)絡(luò)數(shù)據(jù)庫等。需要注意的是func函數(shù)是在運行該streaming
應(yīng)用的Driver進程里執(zhí)行的。

foreachRDD算子開發(fā)

foreachRDD是最常用的output操作,可以遍歷DStream中的每個產(chǎn)生的RDD并進行處理,然后將每個RDD中的數(shù)據(jù)寫入外部存儲,如文件、數(shù)據(jù)庫、緩存等,通常在其中針對RDD執(zhí)行action操作,比如foreach

使用foreachRDD操作數(shù)據(jù)庫

通常在foreachRDD中都會創(chuàng)建一個Connection,比如JDBC Connection,然后通過Connection將數(shù)據(jù)寫入外部存儲

誤區(qū)一:在RDD的foreach操作外部創(chuàng)建Connection

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

這種方式是錯誤的,這樣的方式會導致Connection對象被序列化后被傳輸?shù)矫恳粋€task上,但是Connection對象是不支持序列化的,所以也就無法被傳輸

誤區(qū)二:在RDD的foreach操作內(nèi)部創(chuàng)建Connection

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

這種方式雖然是可以的,但是執(zhí)行效率會很低,因為它會導致對RDD中的每一條數(shù)據(jù)都創(chuàng)建一個Connection對象,通常Connection對象的創(chuàng)建都是很消耗性能的

合理的方式

  • 第一種:使用RDD的foreachPartition操作,并且在該操作內(nèi)部創(chuàng)建Connection對象,這樣就相當于為RDD的每個partition創(chuàng)建一個Connection對象,節(jié)省了很多資源
  • 第二種:自己手動封裝一個靜態(tài)連接池,使用RDD的foreachPartition操作,并且在該操作內(nèi)部從靜態(tài)連接池中,通過靜態(tài)方法獲取到一個連接,連接使用完之后再放回連接池中。這樣的話,可以在多個RDD的partition之間復用連接了

實例:實時全局統(tǒng)計WordCount,并將結(jié)果保存到MySQL數(shù)據(jù)庫中

MySQL數(shù)據(jù)庫建表語句如下

CREATE TABLE wordcount (
  word varchar(100) CHARACTER SET utf8 NOT NULL,
  count int(10) NOT NULL,
  PRIMARY KEY (word)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;

在IDEA中添加mysql-connector-java-5.1.40-bin.jar


代碼如下

連接池的代碼,其實一開始有想過用靜態(tài)塊來寫個池子直接獲取,但是如果考慮到池子寬度不夠用的問題,這樣的方式其實更好,一開始,實例化一個連接池出來,被調(diào)用獲取連接,當連接全部都被獲取了的時候,池子空了,就再實例化一個池子出來

package StreamingDemo

import java.sql.{Connection, DriverManager, SQLException}
import java.util

object JDBCManager {
 var connectionQue: java.util.LinkedList[Connection] = null

 /**
  * 從數(shù)據(jù)庫連接池中獲取連接對象
  * @return
  */
 def getConnection(): Connection = {
  synchronized({
   try {
    //如果連接池是空的,那么就實例化一個Connection類型的鏈表
    if (connectionQue == null) {
     connectionQue = new util.LinkedList[Connection]()
     for (i <- 0 until (10)) {
      //生成10個連接,并配置相關(guān)信息
      val connection = DriverManager.getConnection(
       "jdbc:mysql://Hadoop01:3306/test?characterEncoding=utf-8",
       "root",
       "root")
      //將連接push進連接池
      connectionQue.push(connection)
     }
    }
   } catch {
    //捕獲異常并輸出
    case e: SQLException => e.printStackTrace()
   }
   //如果連接池不為空,則返回表頭元素,并將它在鏈表里刪除
   return connectionQue.poll()
  })
 }

 /**
  * 當連接對象用完后,需要調(diào)用這個方法歸還連接
  * @param connection
  */
 def returnConnection(connection: Connection) = {
  //插入元素
  connectionQue.push(connection)
 }

 def main(args: Array[String]): Unit = {
  //main方法測試
  getConnection()
  println(connectionQue.size())
 }
}

wordcount代碼

package StreamingDemo

import org.apache.log4j.{Level, Logger}
import org.apache.spark.{SparkConf, streaming}
import org.apache.spark.streaming.{Seconds, StreamingContext}

object ForeachRDDDemo {
 def main(args: Array[String]): Unit = {
  //設(shè)置日志級別,避免INFO信息過多
  Logger.getLogger("org").setLevel(Level.WARN)

  //設(shè)置Hadoop的用戶,不加也可以
  System.setProperty("HADOOP_USER_NAME", "Setsuna")

  //Spark基本配置
  val conf = new SparkConf()
   .setAppName(this.getClass.getSimpleName)
   .setMaster("local[2]")
  val ssc = new StreamingContext(conf, streaming.Seconds(2))

  //因為要使用updateStateByKey,所以需要使用checkpoint
  ssc.checkpoint("hdfs://Hadoop01:9000/checkpoint")

  //設(shè)置socket,跟nc配置的一樣
  val linesDStream = ssc.socketTextStream("Hadoop01", 6666)
  val wordCountDStream = linesDStream
   .flatMap(_.split(" "))   //根據(jù)空格做分詞
   .map((_, 1)) //生成(word,1)
   .updateStateByKey((values: Seq[Int], state: Option[Int]) => {
    //實時更新狀態(tài)信息
    var count = state.getOrElse(0)
    for (value <- values) {
     count += value
    }
    Option(count)
   })

  wordCountDStream.foreachRDD(rdd => {
   if (!rdd.isEmpty()) {
    rdd.foreachPartition(part => {
     //從連接池中獲取連接
     val connection = JDBCManager.getConnection()
     part.foreach(data => {
      val sql = //往wordcount表中插入wordcount信息,on duplicate key update子句是有則更新無則插入
       s"insert into wordcount (word,count) " +
        s"values ('${data._1}',${data._2}) on duplicate key update count=${data._2}"
      //使用prepareStatement來使用sql語句
      val pstmt = connection.prepareStatement(sql)
      pstmt.executeUpdate()
     })
     //在連接處提交完數(shù)據(jù)后,歸還連接到連接池
     JDBCManager.returnConnection(connection)
    })
   }
  })

  ssc.start()
  ssc.awaitTermination()
 }
}

打開nc,輸入數(shù)據(jù)

在另一個終端對wordcount的結(jié)果進行查詢,可以發(fā)現(xiàn)是實時發(fā)生變化的

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • Java實現(xiàn)簡單的聊天室功能

    Java實現(xiàn)簡單的聊天室功能

    這篇文章主要為大家詳細介紹了Java實現(xiàn)簡單的聊天室功能,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2022-06-06
  • 搞懂JAVAObject中的hashCode()

    搞懂JAVAObject中的hashCode()

    今天小編就為大家分享一篇關(guān)于關(guān)于Object中equals方法和hashCode方法判斷的分析,小編覺得內(nèi)容挺不錯的,現(xiàn)在分享給大家,具有很好的參考價值,需要的朋友一起跟隨小編來看看吧
    2021-08-08
  • Java Map接口及其實現(xiàn)類原理解析

    Java Map接口及其實現(xiàn)類原理解析

    這篇文章主要介紹了Java Map接口及其實現(xiàn)類原理解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-03-03
  • Java解碼H264格式視頻流中的圖片

    Java解碼H264格式視頻流中的圖片

    這篇文章主要為大家詳細介紹了Java解碼H264格式視頻流中的圖片,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2020-02-02
  • 關(guān)于SpringSecurity配置403權(quán)限訪問頁面的完整代碼

    關(guān)于SpringSecurity配置403權(quán)限訪問頁面的完整代碼

    本文給大家分享SpringSecurity配置403權(quán)限訪問頁面的完整代碼,配置之前和配置之后的詳細介紹,代碼簡單易懂,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友參考下吧
    2021-06-06
  • spring boot使用properties定義短信模板的方法教程

    spring boot使用properties定義短信模板的方法教程

    這篇文章主要給大家介紹了關(guān)于spring boot使用properties定義短信模板的相關(guān)資料,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧。
    2018-01-01
  • @Scheduled 如何讀取動態(tài)配置文件

    @Scheduled 如何讀取動態(tài)配置文件

    這篇文章主要介紹了@Scheduled 如何讀取動態(tài)配置文件的操作,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2021-06-06
  • Java中ThreadLocal線程變量的實現(xiàn)原理

    Java中ThreadLocal線程變量的實現(xiàn)原理

    本文主要介紹了Java中ThreadLocal線程變量的實現(xiàn)原理,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2022-06-06
  • 基于Restful接口調(diào)用方法總結(jié)(超詳細)

    基于Restful接口調(diào)用方法總結(jié)(超詳細)

    下面小編就為大家?guī)硪黄赗estful接口調(diào)用方法總結(jié)(超詳細)。小編覺得挺不錯的,現(xiàn)在就分享給大家,也給大家做個參考。一起跟隨小編過來看看吧
    2017-08-08
  • Feign?請求動態(tài)URL方式

    Feign?請求動態(tài)URL方式

    這篇文章主要介紹了Feign?請求動態(tài)URL方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-07-07

最新評論