SparkStreaming 实现广告计费系统中在线黑名单过滤实战

1. 代码

 

      val conf = new SparkConf() //创建SparkConf对象

      conf.setAppName("OnlineBlackListFilter") //设置应用程序的名称，在程序运行的监控界面可以看到名称

      conf.setMaster("spark://Master:7077") //此时，程序在Spark集群             

      val ssc = new StreamingContext(conf, Seconds(30))

      /**

       * 黑名单数据准备，实际上黑名单一般都是动态的，例如在Redis或者数据库中，黑名单的生成往往有复杂的业务

       * 逻辑，具体情况算法不同，但是在Spark Streaming进行处理的时候每次都能访问完整的信息

       */

      val blackList = Array(("hadoop", true),("mahout", true))

      val blackListRDD = ssc.sparkContext.parallelize(blackList, 8)  

      val adsClickStream = ssc.socketTextStream("Master", 9999)

      /**

       * 此处模拟的广告点击的每条数据的格式为：time、name

       * 此处map操作的结果是name、（time，name）的格式

       */

      val adsClickStreamFormatted = adsClickStream.map { ads => (ads.split(" ")(1), ads) }

      adsClickStreamFormatted.transform(userClickRDD => {

        //通过leftOuterJoin操作既保留了左侧用户广告点击内容的RDD的所有内容，又获得了相应点击内容是否在黑名单中

        val joinedBlackListRDD = userClickRDD.leftOuterJoin(blackListRDD)

        /**

         * 进行filter过滤的时候，其输入元素是一个Tuple：（name,((time,name), boolean)）

         * 其中第一个元素是黑名单的名称，第二元素的第二个元素是进行leftOuterJoin的时候是否存在在值

         * 如果存在的话，表面当前广告点击是黑名单，需要过滤掉，否则的话则是有效点击内容；

         */

        val validClicked = joinedBlackListRDD.filter(joinedItem => {

          if(joinedItem._2._2.getOrElse(false))

          {

            false

          } else {

            true

          }  

        })      

        validClicked.map(validClick => {validClick._2._1})

      }).print