reduceByKeyAndWindow基于滑动窗口的热点搜索词实时统计(Scala版本)

package SparkStreaming


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


/**
  *
  * 基于滑动窗口的热点搜索词实时统计
  * 每隔5秒钟,统计最近20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
  *
  */
object WindowDemo {
  def main(args: Array[String]): Unit = {
    val conf=new SparkConf().setAppName("WindowDemo")
                .setMaster("local[2]")
    val ssc=new StreamingContext(conf,Seconds(5))


    //从nc服务中获取数据,数据格式:name word,比如:张三 大数据
    val linesDStream=ssc.socketTextStream("tgmaster",9999)
    //将数据中的搜索词取出
    val wordsDStream=linesDStream.map(_.split(" ")(1))
    //通过map算子,将搜索词形成键值对(word,1),将搜索词记录为1次
    val searchwordDStream=wordsDStream.map(searchword=>(searchword,1))
    //通过reduceByKeyAndWindow算子,每隔5秒统计最近20秒的搜索词出现的次数
    val reduceDStream=searchwordDStream.reduceByKeyAndWindow(
      (v1:Int,v2:Int)=>
        v1+v2,Seconds(20),Seconds(5)
    )
    //调用DStream中的transform算子,可以进行数据转换
    val transformDStream=reduceDStream.transform(searchwordRDD=>{
      val result=searchwordRDD.map(m=>{  //将key与value互换位置
        (m._2,m._1)
      }).sortByKey(false) //根据key进行降序排列
        .map(m=>{ //将key与value互换位置
        (m._2,m._1)
      }).take(3) //取前3名


      for(elem<-result){
        println(elem._1+"  "+elem._2)
      }
      searchwordRDD //注意返回值
    })
    transformDStream.print()


    ssc.start()
    ssc.awaitTermination()
  }
}
  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实时统计各个城市的整点气温可以采用以下步骤: 1. 从气象数据源获取各个城市的实时气温数据,例如使用气象局提供的气象数据API。 2. 将数据解析为Scala中的类/对象,例如创建一个表示城市气温的CityTemperature类,包含城市名称和气温属性。 3. 将数据按城市进行分组,使用Scala中的groupBy函数将CityTemperature对象列表按城市名称分组。 4. 对每个城市的气温数据进行统计,例如计算平均气温、最高气温、最低气温等。可以使用Scala中的map、reduce等函数进行处理。 5. 将统计结果输出,例如使用Scala中的println函数将结果输出到控制台或者写入数据库。 下面是一个简单的示例代码: ```scala import scala.io.Source case class CityTemperature(city: String, temperature: Double) object CityTemperatureStatistics { def main(args: Array[String]): Unit = { // 从气象数据源获取数据 val url = "http://api.weather.com/cities" val data = Source.fromURL(url).getLines() // 解析数据 val cityTemperatures = data.map(line => { val Array(city, temperature) = line.split(",") CityTemperature(city, temperature.toDouble) }).toList // 按城市分组 val groupedData = cityTemperatures.groupBy(_.city) // 统计每个城市的气温 val statistics = groupedData.mapValues(cityData => { val temperatures = cityData.map(_.temperature) val avgTemperature = temperatures.sum / temperatures.size val maxTemperature = temperatures.max val minTemperature = temperatures.min (avgTemperature, maxTemperature, minTemperature) }) // 输出结果 statistics.foreach { case (city, (avgTemperature, maxTemperature, minTemperature)) => println(s"$city: Avg Temperature=$avgTemperature, Max Temperature=$maxTemperature, Min Temperature=$minTemperature") } } } ``` 需要根据实际情况调整代码中的数据源、数据解析方式以及统计方法。
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