Spark Structured Streaming HelloWorld
前言
Spark Structured Streaming+Kafka+Hbase Scala版教程,整体入口。
正文
1.Spark版本选择
选择你自己服务器对应的版本;文档地址:
https://spark.apache.org/docs/
这个地址打开都是版本号,选择自己环境里的Spark就可以了;
这里我用的是2.4.5;文档发布时间最新版是3.3.3
2.官方例子
进入对应版本之后可以在下边找到Spark的主要功能,如下图
Spark Streaming已经明确标明是老API了,新的API就是Structured Streaming,图里用红圈圈出来了,所以我当前用的就是新API。Structured Streaming
HelloWorld代码
官方的一个简单的word count例子
// Create DataFrame representing the stream of input lines from connection to localhost:9999
val lines = spark.readStream
.format("socket")
.option("host", "localhost")
.option("port", 9999)
.load()
// Split the lines into words
val words = lines.as[String].flatMap(_.split(" "))
// Generate running word count
val wordCounts = words.groupBy("value").count()
批处理代码例子
官方例子,这里说一下我的理解,streamingDF是一个批次的数据;foreachBatch就是循环每个批次;批次里的数据就在batchDF,打印批次号batchId就能看到这个批次号是个自增的数字;
streamingDF.writeStream.foreachBatch { (batchDF: DataFrame, batchId: Long) =>
//这行是缓存一下,这样后续的操作不会重复的执行前边transform操作了
batchDF.persist()
//对一个批次里的数据进行操作,具体根据是什么操作写法不一样
batchDF.write.format(...).save(...) // location 1
batchDF.write.format(...).save(...) // location 2
//完事必须把缓存释放了
batchDF.unpersist()
}