Spark之Spark Streaming

目录

概述

准备

一、TCP socket集成

1. nc服务安装

2. 测试

 二、kafka集成

1. 服务启动

2. 测试

参考文章


概述

Spark Streaming是核心Spark API的扩展,可实现实时数据流的可伸缩,高吞吐量,容错流处理。 可以从许多数据源(例如Kafka,Flume,Kinesis或TCP套接字)中提取数据,并可以使用高级功能(如map,reduce,join和window)表示的复杂算法来处理数据。最后,可以将处理后的数据推送到文件系统,数据库和实时图表。

 在内部,Spark Streaming接收实时输入数据流,并将数据分成“批”处理,然后由Spark引擎进行处理,从而生成批处理的最终结果流。如图所示:

 Spark Streaming提供被称为离散化流或者DStream的高级抽象,它表示连续的数据流。 可以根据来自Kafka,Flume和Kinesis等输入数据流来创建DStream,也可以通过对其他的DStream应用高级操作来创建DStream。在内部,DStream表示为RDD序列。

说明:本实例将通过Spark Streaming读取TCP套接字和kafka的数据来进行词频统计,把统计的数据保存到Mysql数据库中。Scala版本是2.11.8,Spark版本是2.2.0,kafka版本是2.10-0.10.1.0

准备

添加如下依赖:

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-streaming_2.11</artifactId>
    <version>2.2.0</version>
</dependency>

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
    <version>2.2.0</version>
</dependency>

一、TCP socket集成

1. nc服务安装

  • 下载&安装
# 下载
wget http://vault.centos.org/6.4/os/x86_64/Packages/nc-1.84-22.el6.x86_64.rpm
# 安装
sudo rpm -iUv nc-1.84-22.el6.x86_64.rpm
  • 启动监听
nc -lk 9999

2. 测试

  • 编码
package com.wangmh.sparks

import java.sql.DriverManager

import org.apache.spark.sql.SparkSession
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.{Seconds, StreamingContext}

object StreamingSocket {

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

    val spark = SparkSession.builder()
      .master("local[*]")
      .appName("testSparkStreaming")
      .getOrCreate()

    val ssc = new StreamingContext(spark.sparkContext, Seconds(10))
    val line = ssc.socketTextStream("bigdata.centos01", 9999)
    val wordsPair = line.flatMap(l => l.split(" ")).map(l => (l, 1))

    val wordCount = wordsPair.reduceByKey(_ + _)

    //save to db
    save(wordCount)

    // print the result
    wordCount.print()

    ssc.start()
    ssc.awaitTermination()
  }

  /**
   * save the records to mysql
   * @param wordCount
   */
  def save(wordCount: DStream[(String, Int)]): Unit = {
    wordCount.foreachRDD(rdd => rdd.foreachPartition(line => {
      Class.forName("com.mysql.jdbc.Driver")
      val conn = DriverManager.getConnection("jdbc:mysql://bigdata.centos03:3306/test?useUnicode=true", "root", "123456")
      val statement = conn.createStatement()
      try {
        for (record <- line) {
          println("----------------run sql-----------------")
          val sql = "insert into word_count(title,count) values('" + record._1 + "'," + record._2 + ")"
          statement.execute(sql)
        }
      } finally {
        conn.close()
        statement.close()
      }
    }))
  }

}
  • 测试结果

输入:

 统计输出:

 二、kafka集成

kafka的集群安装部署请参阅:kafka的配置和分布式部署

1. 服务启动

  • 启动producer
bin/kafka-console-producer.sh --broker-list bigdata.centos01:9092,bigdata.centos02:9092,bigdata.centos03:9092 --topic weblogs

2. 测试

  • 编码
package com.wangmh.sparks

import org.apache.kafka.clients.consumer.ConsumerConfig
import org.apache.kafka.common.serialization._
import org.apache.spark.sql.SparkSession
import org.apache.spark.streaming.kafka010.{ConsumerStrategies, KafkaUtils, LocationStrategies}
import org.apache.spark.streaming.{Seconds, StreamingContext}

object StreamingKafkaV10 {

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

    val spark = SparkSession.builder()
      .master("local[*]")
      .appName("testSparkStreaming")
      .getOrCreate()

    val ssc = new StreamingContext(spark.sparkContext, Seconds(10))

    // Create direct kafka stream with brokers and topics
    val topicsSet = Set("test")
    val kafkaParams = Map[String, Object](
      ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG -> "bigdata.centos01:9092,bigdata.centos02:9092,bigdata.centos03:9092",
      ConsumerConfig.GROUP_ID_CONFIG -> "kafkaV10",
      ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG -> classOf[StringDeserializer],
      ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG -> classOf[StringDeserializer])

    val messages = KafkaUtils.createDirectStream[String, String](
      ssc,
      LocationStrategies.PreferConsistent,
      ConsumerStrategies.Subscribe[String, String](topicsSet, kafkaParams))

    // Get the lines, split them into words, count the words and print
    val lines = messages.map(_.value)
    val words = lines.flatMap(_.split(" "))
    val wordCounts = words.map(x => (x, 1L)).reduceByKey(_ + _)
    wordCounts.print()

    // Start the computation
    ssc.start()
    ssc.awaitTermination()

  }

}
  • 测试结果

输入:

统计输出:

参考文章

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值