SparkStreaming DStream关联操作【流流关联、流数据集关联】

46 篇文章 3 订阅
41 篇文章 1 订阅

一.流流关联

1.普通流流连接

    val lines = ssc.socketTextStream("master",9999)

    val words = lines.flatMap(_.split(" "))
      .map(word => (word,1))
      .reduceByKey(_ + _)

    val result = words.join(words)

在此,在每个批处理间隔中,stream1的RDD将与stream2的RDD关联在一起。也可以做leftOuterJoin,rightOuterJoin,fullOuterJoin。此外,在流的窗口上进行联接通常非常有用。
2.窗口流流连接

    val lines = ssc.socketTextStream("master",9999)

    val words = lines.flatMap(_.split(" "))
      .map(word => (word,1))
      .reduceByKey(_ + _)

    val windowDStream1 = words.window(Seconds(20))
    val windowDStream2 = words.window(Minutes(1))

    val result = windowDStream1.join(windowDStream2)

二.流与数据集关联

创建rdd数据集:

    val array = Array("spark,scala", "hadoop,java", "tensorflow,python", "solr,java", "hbase,java")

    val masterRDD = sc.parallelize(array).map(row => {
      val Array(master,follow) = row.split(",")
      (master, follow)
    })

流与数据集关联:

    val lines = ssc.socketTextStream("master",9999)

    val words = lines.flatMap(_.split(" "))
      .map(word => (word,1))
      .reduceByKey(_ + _)

    val windowDStream = words.window(Seconds(20))

    windowDStream.foreachRDD(rdd => {
      rdd.join(masterRDD)
    })

或者:

    val lines = ssc.socketTextStream("master",9999)

    val words = lines.flatMap(_.split(" "))
      .map(word => (word,1))
      .reduceByKey(_ + _)

    words.transform{rdd => {
      rdd.join(masterRDD)
    }}

实际上,还可以动态更改要加入的数据集。transform每个批次间隔都会评估提供给该函数的功能,因此将使用dataset参考所指向的当前数据集。

  • 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