Spark Dstream

2.Dstream 入门

Spark Streaming的入口

StreamingContext

val conf = new SparkConf().setAppName(appName).setMaster(master)
val ssc = new StreamingContext(conf, Seconds(1))
// 可以通过ssc.sparkContext 来访问SparkContext


// 或者通过已经存在的SparkContext来创建StreamingContext
val sc = ...  
val ssc = new StreamingContext(sc, Seconds(1))

 

 

初始化完Context之后：

1）定义消息输入源来创建DStreams.

2）定义DStreams的转化操作和输出操作。

3）通过 streamingContext.start()来启动消息采集和处理.

4）等待程序终止，可以通过

　　streamingContext.awaitTermination()来设置

5）通过streamingContext.stop()来手动终止处理程序。

 

 

 

2.1 WordCount 案例实操

1．需求：使用 netcat 工具向 9999 端口不断的发送数据，通过 SparkStreaming 读取端口数据并统

计不同单词出现的次数

 

2．添加依赖

<dependency>
　　<groupId>org.apache.spark</groupId>
　　<artifactId>spark-streaming_2.11</artifactId>
　　<version>2.1.1</version>
</dependency>

 

3．编写代码

package com.lxl

import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.SparkConf

object StreamWordCount {
  def main(args: Array[String]): Unit = {

    //1.初始化 Spark 配置信息
    val sparkConf = new SparkConf().setMaster("local[*]").setAppName("StreamWordCount")

    //2.初始化 SparkStreamingContext
    val ssc = new StreamingContext(sparkConf, Seconds(5))

    //3.通过监控端口创建 DStream，读进来的数据为一行行
    val lineStreams = ssc.socketTextStream("hadoop102", 9999)

    //将每一行数据做切分，形成一个个单词
    val wordStreams = lineStreams.flatMap(_.split(" "))

    //将单词映射成元组（word,1）
    val wordAndOneStreams = wordStreams.map((_, 1))

    //将相同的单词次数做统计
    val wordAndCountStreams = wordAndOneStreams.reduceByKey(_+_)

    //打印
    wordAndCountStreams.print()

    //启动 SparkStreamingContext
    ssc.start()
    ssc.awaitTermination()
  }
}

 

4．启动程序并通过 NetCat 发送数据：

[lxl@hadoop102 spark]$ nc -lk 9999
hello atguigu

 

注意：如果程序运行时，log 日志太多，可以将 spark conf 目录下的 log4j 文件里面的日志级别改

成 WARN。

 

 

 

 

2.2 WordCount 解析

　　Discretized Stream 是 Spark Streaming 的基础抽象，代表持续性的数据流和经过各种 Spark 原

语操作后的结果数据流。在内部实现上，DStream 是一系列连续的 RDD 来表示。每个 RDD 含有

一段时间间隔内的数据，如下图：

 

　　对数据的操作也是按照 RDD 为单位来进行的

 

 

　　计算过程由 Spark engine 来完成