Spark-Streaming(1)

Spark Streaming概述：

用于流式计算，处理实时数据流。

数据流以DStream（Discretized Stream）形式表示，内部由一系列RDD组成。

Spark Streaming特点：

易用、容错、易整合到spark体系。

        易用性：支持Java、Python、Scala等编程语言，编写实时计算程序如同编写批处理程序。

        容错性：无需额外代码和配置即可恢复丢失的数据，确保实时计算的可靠性。

        整合性：可在Spark上运行，允许重复使用相关代码进行批处理和实时处理。

Spark-Streaming架构

驱动程序为StreamingContext，处理Spark作业并传给各工作节点。

工作节点接收数据并执行任务，结果备份到其他工作节点。

背压机制协调数据接收能力和资源处理能力，避免数据堆积或资源浪费。

Spark Streaming实操

实验需求：

        使用 netcat 工具向9999端口发送数据，通过Spark Streaming读取端口数据并统计单词出现次数。

实验步骤：

        配置Spark Streaming对象，设置时间间隔为3秒。

        进行扁平化数据处理，统计单词出现次数并输出结果。

代码解析：

       数据接收和处理的具体操作，包括扁平化、转换和累加。启动Spark Streaming并处理异常情况。

        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。

         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

DStream 创建

创建DStream的三种方式：RDD队列、自定义数据源、kafka数据源

        RDD队列

        可以通过使用 ssc.queueStream(queueOfRDDs)来创建 DStream，每一个推送到这个队列中的 RDD，都会作为一个DStream 处理。

案例：

需求：循环创建几个 RDD，将 RDD 放入队列。通过 SparkStream 创建 Dstream，计算 WordCount

        自定义数据源

自定义数据源需要继承 Receiver，并实现 onStart、onStop 方法来自定义数据源采集。

（在 class 中定义 on start 和 on stop 方法。
   on start方法中创建新线程并调用接收数据的方法。
   on stop方法为空。）

案例：自定义数据源，实现监控某个端口号，获取该端口号内容。

1）	自定义数据源
class CustomerReceiver(host:String,port:Int) extends Receiver[String](StorageLevel.MEMORY_ONLY) {
  override def onStart(): Unit = {
    new Thread("Socket Receiver"){
      override def run(): Unit ={
        receive()
      }
    }.start()
  }

  def receive(): Unit ={
    var socket:Socket = new Socket(host,port)
    var input :String = null
    var reader = new BufferedReader(new InputStreamReader(socket.getInputStream,StandardCharsets.UTF_8))

    input = reader.readLine()
    while(!isStopped() && input != null){
      store(input)
      input = reader.readLine()
    }
    reader.close()
    socket.close()

    restart("restart")
  }

  override def onStop(): Unit = {}
}

2）	使用自定义的数据源采集数据
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("stream")
val ssc = new StreamingContext(sparkConf,Seconds(5))

val lineStream = ssc.receiverStream(new CustomerReceiver("node01",9999))

val wordStream = lineStream.flatMap(_.split(" "))
val wordAndOneStream = wordStream.map((_,1))
val wordAndCountStream = wordAndOneStream.reduceByKey(_+_)
wordAndCountStream.print()

ssc.start()
ssc.awaitTermination()

扁平化数据
将所有数据根据空格切分并进行扁平化处理。
转换成键值对形式，相同单词进行分组累加，实现词频统计。