spark streaming 中对DStream 的两个操作

在spark streaming中Dstream (一种streaming type RDDs)，有两种操作transformations 和 output:

transformations  operations:

• map(func)                        对每一个元素执行func方法
• flatMap(func)                    类似map函数，但是可以map到0+个输出
• filter(func)                         过滤
• repartition(numPartitions)       增加分区，提高并行度     
• union(otherStream)               合并两个流
• count()     　　　　　　　　       统计元素的个数
• reduce(func)                     对RDDs里面的元素进行聚合操作，2个输入参数，1个输出参数
• countByValue()                   针对类型统计，当一个Dstream的元素的类型是K的时候，调用它会返回一个新的Dstream，包含<K,Long>键值对，Long是每个K出现的频率。
• reduceByKey(func, [numTasks])    对于一个(K, V)类型的Dstream，为每个key，执行func函数，默认是local是2个线程，cluster是8个线程，也可以指定numTasks 
• join(otherStream, [numTasks])    把(K, V)和(K, W)的Dstream连接成一个(K, (V, W))的新Dstream 
• cogroup(otherStream, [numTasks]) 把(K, V)和(K, W)的Dstream连接成一个(K, Seq[V], Seq[W])的新Dstream 
• transform(func)                  转换操作，把原来的RDD通过func转换成一个新的RDD
• updateStateByKey(func)           针对key使用func来更新状态和值，可以将state该为任何值

例如下面是计算word count 的一个片段：

    counts = lines.flatMap(lambda line: line.split(" ")).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a+b)
    counts.pprint()

out operations:

• print()                                 打印到控制台
• foreachRDD(func)                        对Dstream里面的每个RDD执行func，保存到外部系统
• saveAsObjectFiles(prefix, [suffix])     保存流的内容为SequenceFile, 文件名 : "prefix-TIME_IN_MS[.suffix]".
• saveAsTextFiles(prefix, [suffix])       保存流的内容为文本文件, 文件名 : "prefix-TIME_IN_MS[.suffix]".
• saveAsHadoopFiles(prefix, [suffix])     保存流的内容为hadoop文件, 文件名 : "prefix-TIME_IN_MS[.suffix]".