SparkStreaming基础

一 资源:Spark编程基础(Python)

           大数据之Spark入门教程(Python)

 

二 流计算处理流程:


    1.数据实时采集-->多数据源的海量数据,实时性、低延迟、可靠性
        1.1 FaceBook的Scribe
        1.2 领英的Kafka
        1.3 hadoop平台的Flume
    2.数据实时计算
    3.数据实时查询

三 例子:

目的:实时监控指定目录下文件(只能监控新增文件,不能监控到原有文件的修改),统计每个单词的数目并输出

环境:ubuntu14、spark2.3、pycharm

创建"file:///home/hadoop/PycharmProjects/WordCount/src/SparkStreaming/DStream.py文件,文件内容如下

# python3
# -*- coding:utf-8 -*-
# @Time: 9/4/19 4:25 PM
# @Author: Damon
# @Software: PyCharm

'''
DStream是微小规模的批处理,每个批处理块相当于一个RDD
'''

from pyspark import SparkContext,SparkConf
from pyspark.streaming import StreamingContext


conf=SparkConf().setAppName("DStream").setMaster("local[*]")
sc=SparkContext(conf=conf)
#设置打印日志级别
sc.setLogLevel("ERROR")
#流计算的主入口,每10秒启动一次流计算
ssc=StreamingContext(sc,10)
#数据源
lines=ssc.textFileStream("file:///home/hadoop/PycharmProjects/WordCount/DStream_data")
#实时计算(转换)
words=lines.flatMap(lambda line:line.split(' '))
wordCounts=words.map(lambda x:(x,1)).reduceByKey(lambda a,b:a+b)
#s实时查询(打印),必须传入参数,不传参的话没有输出
wordCounts.pprint(10)
#k开启流计算,会监控数据源,每10s进行一次流计算
ssc.start()
ssc.awaitTermination()

运行:需要进入DStream.py所在目录,/usr/local/spark/bin/spark-submit为spark安装目录

运行结果:

在监控数据源目录("file:///home/hadoop/PycharmProjects/WordCount/DStream_data")下添加file.txt,并写入两行数据保存,等10s中,命令行打印信息如下:

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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