SparkStream：2)Window窗体相关操作

SparkStreaming之window滑动窗口应用，Spark Streaming提供了滑动窗口操作的支持，从而让我们可以对一个滑动窗口内的数据执行计算操作。每次掉落在窗口内的RDD的数据，会被聚合起来执行计算操作，然后生成的RDD，会作为window DStream的一个RDD。

网官图中所示，就是对每三秒钟的数据执行一次滑动窗口计算，这3秒内的3个RDD会被聚合起来进行处理，然后过了两秒钟，又会对最近三秒内的数据执行滑动窗口计算。所以每个滑动窗口操作，都必须指定两个参数，窗口长度以及滑动间隔，而且这两个参数值都必须是batch间隔的整数倍。

Spark Streaming对滑动窗口的支持，是比Storm更加完善和强大的。

之前有些朋友问：

spark官网图片中： 滑动窗口宽度是3个时间单位，滑动时间是2两个单位，这样的话中间time3的Dstream不是重复计算了吗？ 

Answer：比如下面这个例子是针对热搜的应用场景，官方的例子也可能是是针对不同的场景给出了的。如果你不想出现重叠的部分，把滑动间隔由2改成3即可

SparkStreaming对滑动窗口支持的转换操作：

热点搜索词滑动统计，每隔10秒钟，统计最近60秒钟的搜索词的搜索频次，并打印出排名最靠前的3个搜索词以及出现次数

Scala版本：

[java]  view plain  copy

1. package com.spark.streaming  
2.   
3. import org.apache.spark.streaming.Seconds  
4. import org.apache.spark.streaming.StreamingContext  
5. import org.apache.spark.SparkConf  
6.   
7. /** 
8.  * @author Ganymede 
9.  */  
10. object WindowHotWordS {  
11.   def main(args: Array[String]): Unit = {  
12.     val conf = new SparkConf().setAppName("WindowHotWordS").setMaster("local[2]")  
13.   
14.     //Scala中，创建的是StreamingContext  
15.     val ssc = new StreamingContext(conf, Seconds(5))  
16.   
17.     val searchLogsDStream = ssc.socketTextStream("spark1", 9999)  
18.   
19.     val searchWordsDStream = searchLogsDStream.map { searchLog => searchLog.split(" ")(1) }  
20.   
21.     val searchWordPairDStream = searchWordsDStream.map { searchWord => (searchWord, 1) }  
22.   
23.     // reduceByKeyAndWindow  
24.     // 第二个参数，是窗口长度，这是是60秒  
25.     // 第三个参数，是滑动间隔，这里是10秒  
26.     // 也就是说，每隔10秒钟，将最近60秒的数据，作为一个窗口，进行内部的RDD的聚合，然后统一对一个RDD进行后续计算  
27.     // 而是只是放在那里  
28.     // 然后，等待我们的滑动间隔到了以后，10秒到了，会将之前60秒的RDD，因为一个batch间隔是5秒，所以之前60秒，就有12个RDD，给聚合起来，然后统一执行reduceByKey操作  
29.     // 所以这里的reduceByKeyAndWindow，是针对每个窗口执行计算的，而不是针对 某个DStream中的RDD  
30.     // 每隔10秒钟，出来 之前60秒的收集到的单词的统计次数  
31.     val searchWordCountsDStream = searchWordPairDStream.reduceByKeyAndWindow((v1: Int, v2: Int) => v1 + v2, Seconds(60), Seconds(10))  
32.   
33.       
34.     val finalDStream = searchWordCountsDStream.transform(searchWordCountsRDD => {  
35.       val countSearchWordsRDD = searchWordCountsRDD.map(tuple => (tuple._2, tuple._1))  
36.       val sortedCountSearchWordsRDD = countSearchWordsRDD.sortByKey(false)  
37.       val sortedSearchWordCountsRDD = sortedCountSearchWordsRDD.map(tuple => (tuple._1, tuple._2))  
38.       val top3SearchWordCounts = sortedSearchWordCountsRDD.take(3)  
39.   
40.       for (tuple <- top3SearchWordCounts) {  
41.         println("result : " + tuple)  
42.       }  
43.   
44.       searchWordCountsRDD  
45.     })  
46.   
47.     finalDStream.print()  
48.   
49.     ssc.start()  
50.     ssc.awaitTermination()  
51.   }  
52. } 

转载自：http://blog.csdn.net/kwu_ganymede/article/details/50178335