动手实战联合使用Spark Streaming、Broadcast、Accumulator计数器实现在线黑名单过滤和计数

本博文主要包括:
1、Spark Streaming与Broadcast、Accumulator联合
2、在线黑名单过滤和计数实战

一、Spark Streaming与Broadcast、Accumulator联合:

在企业实战中,广播本身广播到集群的时候,联合上计数器的话就有很大杀伤力,这时候你可以自定义,例如自定义广播中的内容,可以实现非常复杂的内容。

之所以广播和计数器特别重要,一方面鉴于广播和计数器本身的特性,另一方面广播和计数器可以说实现非常复杂的操作。在线黑名单过滤实战中,将黑名单放在广播中,有Accumulator你可以计数黑名单。

二、在线黑名单过滤和计数实战:

1、代码如下:

import org.apache.spark.Accumulator;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.broadcast.Broadcast;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.Time;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import scala.Tuple2;

import java.util.Arrays;
import java.util.List;

/**
 * Created by zpf on 2016/8/31.
 */
public class SparkStreamingBroadcastAccumulator {

    private static volatile Broadcast<List<String>> broadcastList = null;
    private static volatile Accumulator<Integer> accumulator = null;

    public void main(String[] args) throws InterruptedException {

        SparkConf conf = new SparkConf().setMaster("local[2]").
                setAppName("SparkStreamingBroadcastAccumulator");


        JavaStreamingContext jsc = new JavaStreamingContext(conf, Durations.seconds(15));

        //实例化我们的broadcast,使用Broadcast广播黑名单到每个Executor中
        broadcastList = jsc.sparkContext().broadcast(Arrays.asList("Hadoop","Mahout","Hive"));
      /*全局计数器,用于统计在线过滤多少黑名单
      * */
        accumulator = jsc.sparkContext().accumulator(0,"OnlineBlacklistCount");

        JavaReceiverInputDStream lines = jsc.socketTextStream("Master",9999);

        JavaPairDStream<String,Integer> pairs = lines.mapToPair(new PairFunction<String,String,Integer>() {

            public Tuple2<String,Integer> call(String word) throws Exception {
                return new Tuple2<String, Integer>(word,1);
            }
        });

        JavaPairDStream<String,Integer> wordsCount = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1+v2;
            }
        });

        /*过滤黑明单我们一般把内容写在foreach中*/

        wordsCount.foreachRDD(new Function2<JavaPairRDD<String,Integer>, Time, Void>(){

            public Void call(JavaPairRDD<String, Integer> rdd, Time time) throws Exception {
                rdd.filter(new Function<Tuple2<String, Integer>, Boolean>() {
                    public Boolean call(Tuple2<String, Integer> wordPair) throws Exception {
                        if(broadcastList.value().contains(wordPair._1)){
                            accumulator.add(wordPair._2);
                            return false;

                        }else{
                            return true;
                        }
                    }



                }).collect();

//                System.out.println(broadcastList.value().toString() + ":" + accumulator.value());
                System.out.println("BlackList append : " + ":" + accumulator.value() + "times");
                return null;


            }
        });



        jsc.start();

        jsc.awaitTermination();

        jsc.close();
    }

}

2、在命令端输入数据

nc -lk 9999

3、观察结果

这里写图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Spark Streaming 可以通过使用 DStream.transform() 方法和广播变量来过滤黑名单。具体步骤如下: 1. 创建一个黑名单列表,可以从文件或数据库中读取。 2. 将黑名单列表广播到所有的 Spark Streaming Executor 上。 3. 在 DStream.transform() 方法中,使用广播变量来过滤黑名单。 4. 返回过滤后的 DStream。 示例代码如下: ```python # 创建黑名单列表 blacklist = ["user1", "user2", "user3"] # 广播黑名单列表到所有 Executor 上 broadcast_blacklist = sc.broadcast(blacklist) # 定义过滤函数 def filter_by_blacklist(rdd): # 获取广播变量中的黑名单列表 blacklist = broadcast_blacklist.value # 过滤黑名单中的用户 return rdd.filter(lambda x: x[0] not in blacklist) # 创建输入 DStream input_dstream = ssc.socketTextStream("localhost", 9999) # 过滤黑名单 filtered_dstream = input_dstream.transform(filter_by_blacklist) # 输出过滤后的 DStream filtered_dstream.pprint() # 启动 StreamingContext ssc.start() ssc.awaitTermination() ``` ### 回答2: Spark Streaming是一款流式计算引擎,与传统批处理相比,它具有低延迟、实时处理等优点。在实际应用中,我们经常需要对数据进行处理和过滤,为了应对恶意攻击、垃圾信息等问题,我们需要实时过滤黑名单中的数据。 在Spark Streaming过滤黑名单,可以采用一些类似于Spark Core的操作。具体可以分为以下几步: 1. 首先定义一个黑名单RDD,包含被屏蔽的IP地址等信息,这个RDD可以使用外部存储系统如Redis、MySQL等获取。 2. 然后从数据源中获取数据,可以使用诸如Kafka、Flume、Socket等方式。 3. 对于获取的数据,需要进行筛选,根据黑名单中的IP地址等信息过滤掉不需要的数据。这里可以使用filter等操作,将需要保留的数据进行输出。 4. 最后,将过滤后的数据进行处理和保存。 代码实现可以如下: ``` from pyspark import SparkContext from pyspark.streaming import StreamingContext sc = SparkContext(appName="BlackList") ssc = StreamingContext(sc, 5) # 5秒为一个批次 # 黑名单RDD blackList = ['1.1.1.1', '2.2.2.2', '3.3.3.3'] blackListRDD = sc.parallelize(blackList).map(lambda x: (x, True)) # 接收数据流,过滤黑名单 dataStream = ssc.socketTextStream("localhost", 9999) dataStream.filter(lambda x: x not in blackList).pprint() ssc.start() ssc.awaitTermination() ``` 这里实现了一个简单的例子,黑名单包含了三个IP地址,数据从本地socket端口获取,通过filter过滤掉了黑名单中的IP地址。可以根据实际业务需求进行修改和扩展。 总之,在Spark Streaming过滤黑名单可以采用类似于Spark Core的操作,在数据源操作、筛选过滤、处理与保存后等方面进行逐步处理和过滤。 ### 回答3: Spark Streaming是Apache Spark中的一个流处理框架,可以用来从实时流中持续接收和分析数据,然后对数据进行处理和转换。在实时流分析中,常常需要对来自特定用户或特定来源的数据进行过滤操作,这时就需要使用过滤黑名单的功能。 过滤黑名单是指在Spark Streaming过滤掉已经被定义为黑名单的数据,这些数据是根据某些条件或规则来定义的。在Spark Streaming中,过滤黑名单通常使用DStream.filter()函数进行实现,具体实现方式如下: 1. 首先,需要定义一个黑名单列表,这个列表中包含所有需要被过滤掉的数据。可以使用RDD或DataFrame来定义列表。 2. 对于实时流中的每个批次数据,使用DStream.filter()函数来应用黑名单过滤操作。具体过程如下: a. 使用transform()函数来将RDD创建为DStream,并传递每个RDD的黑名单列表。 b. 在transform()函数中,使用RDD.filter()函数来过滤掉在黑名单中的数据。 c. 将过滤后的RDD返回到DStream中。 d. 最后,对过滤后的DStream进行处理,比如计算或存储数据。 通过这种方式,就可以有效地实现黑名单数据的过滤操作,从而提高实时流分析的效率和准确性。需要注意的是,在处理实时流数据时,需要考虑到数据的实时性和时效性,尽量减少延迟和出错的机会,以保证数据处理的高效性和准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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