本文探讨了Spark Streaming中的滑动窗口功能，用于对实时数据流进行周期性聚合计算。通过设定窗口长度和滑动间隔，每三秒钟对RDD进行聚合处理，形成新的window DStream。相较于Storm，Spark Streaming在窗口操作上更加强大和完善。举例说明，包括如何实现每10秒统计过去60秒的搜索词热度，输出热门搜索词及其频率。
Spark-Streaming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。
Spark-Streaming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
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
