模拟实时区域订单金额统计：SparkStreaming从Kafka中读取数据，设置检查点，处理数据后，并将结果存到Redis中，并实现执行优化

实现思路

1. 第一步获取StreamingContext对象，因为要使用检查点恢复数据，所以不能使用new StreamingContext的方法获取对象，要使用StreamingContext.getOrCreate建立对象
2. 创建StreamingContext对象，使用了贷出模式 ——贷出函数的方式来创建
3. 从Kafka的生产者端读取数据进行分析
4. 读取数据的方式采用Direct方式读取数据
5. 处理读取到的数据，获取需要的值
6. 调用updateStateByKey实时累加统计函数，进行累加统计
7. 将结果打印到控制台，并将数据存放到Redis中

具体代码实现

import com.huadian.bigdata.jedis.JedisPoolUtil
import kafka.serializer.StringDecoder
import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.kafka.KafkaUtils
import org.apache.spark.streaming.{Seconds, StreamingContext}

object G_RedisOrderTotalStreaming {
  //检查点目录
  val CHECK_POINT_PATH = "file:///E:\\JavaWork\\20190811\\test5"
  //Redis使用Hash存放数据
  val REDIS_KEY_ORDER_TOTAL_PRICE = "orders:total:price"
  def main(args: Array[String]): Unit = {
    /**
      * 先去查看检查点，
      * createFunc：第一次运行SparkStreaming应用的时候才会执行，才会创建StreamingContext
      */
    val ssc: StreamingContext = StreamingContext.getOrCreate(
      CHECK_POINT_PATH,
      createFunc
    )
    //设置日志级别
    ssc.sparkContext.setLogLevel("WARN")
    ssc.start()
    ssc.awaitTermination()
    //stop(stopSparkContext: Boolean, stopGracefully: Boolean)
    ssc.stop(true,true)
  }

  /**
    * 从源端读取数据 然后进行分析
    *   类似于贷出模式 用户函数
    * @param ssc
    * @return
    */
  def processData(ssc:StreamingContext):Unit={
    val kafkaParams: Map[String, String] = Map(
      "metadata.broker.list"->"bigdata-hpsk01.huadian.com:9092,bigdata-hpsk01.huadian.com:9093,bigdata-hpsk01.huadian.com:9094",
      "auto.offset.reset"->"largest" //读取最新数据
    )
    val topics: Set[String] = Set("orderTopic")

    val inputDStream: DStream[String] = KafkaUtils
      .createDirectStream[String, String, StringDecoder,StringDecoder](
      ssc,
      kafkaParams,
      topics
    ).map(_._2) //只需要获取Topic中每条Message中Value的值

    val orderDStream: DStream[(Int, Double)] = inputDStream
      //.filter(line => line.trim.length >0 && line.trim.split(",").length ==3)
      .transform(rdd=>{
      rdd
        //过滤不合法的数据
        .filter(line => line.trim.length >0 && line.trim.split(",").length ==3)
        //提取字段
        .map(line =>{
        val splits = line.split(",")
        (splits(1).toInt,splits(2).toDouble)
      })
    })

    /**实时累加统计函数
      * def updateStateByKey[S: ClassTag](
      * updateFunc: (Seq[V],     表示当前批次中，相同Key的所有value集合
      * Option[S]   历史状态，历史没有这个可以，所有Option类型
      * ) => Option[S] 这是返回值的类型，返回值是Option，比如数据过滤的话，数据没了
      * ): DStream[(K, S)]
      *
      *updateStateByKey和reduce函数非常非常类似
      */
    val pirceDstream: DStream[(Int, Double)] = orderDStream.updateStateByKey(
      (values:Seq[Double],state:Option[Double])=>{
        //1、获取以前状态的值
        val previousState = state.getOrElse(0.0)
        //2、获取当前批次中状态数据
        val currentState = values.sum
        //3、更新状态发挥
        Some(previousState + currentState)
      })


     //结果输出
    pirceDstream.print()

    //结果存放到Redis中
    pirceDstream.foreachRDD(rdd=>{
      if(!rdd.isEmpty()){
       //减少分区数目
        rdd.coalesce(1).foreachPartition(iter=>{
        //自定义Redis连接类，使用了Jedis连接了Redis数据库
          val jedis = JedisPoolUtil.getJedisPoolInstance.getResource
          iter.foreach{
            case(provinceid,orderTotal)=>{
              jedis.hset(REDIS_KEY_ORDER_TOTAL_PRICE,
                provinceid.toString,
                orderTotal.toString)

            }
          }
          JedisPoolUtil.release(jedis)
        })
      }
    })
  }

  /**
    * 创建StreamingContext对象
    *   类似于贷出模式 贷出函数
    * @return
    */
  def createFunc():StreamingContext={
    val conf = new SparkConf()
      .setMaster("local[3]") //为什么启动3个，有一个Thread运行Receiver
      .setAppName("F_CheckPointOrderTotalStreaming")
    val ssc: StreamingContext = new StreamingContext(conf, Seconds(3))
    //日志级别
    ssc.sparkContext.setLogLevel("WARN")

    processData(ssc)
    ssc.checkpoint(CHECK_POINT_PATH)
    ssc
  }
}

代码优化

上面的代码中，会将所有的结果都输出
即没有输入数据时，也会输出原来的处理结果
可以对其进行优化，即输出有数据更新的结果
删除原有的累加代码块

 /**
        * todo:
        *   下面函数，针对每一条数据进行更新状态，
        *   并不是将同一批次相同的Key的value聚合在一起更新状态
        * def function[KeyType, ValueType, StateType, MappedType](
        * mappingFunction: (KeyType, Option[ValueType], State[StateType]) => MappedType
        *
        * KeyType:key的类型
        * StateType：表示 状态的类型，此时来说，就是销售营业额
        * ):
        */

      val mappingFunc = (provinceId:Int,orderPrice:Option[Double],state:State[Double])=>{
        //获取以前状态的值
        val previouState = state.getOption().getOrElse(0.0)

        //更新的状态
        val lastestState = previouState + orderPrice.getOrElse(0.0)

        state.update(lastestState)

        //MappedType ：最终获取的 结果的类型 ，就是DSTream状态统计输出RDD的类型
        (provinceId,lastestState)
      }

      val pirceDstream: MapWithStateDStream[Int, Double, Double, (Int, Double)] =  orderDStream.mapWithState(StateSpec.function(mappingFunc))