简述SparkStreaming窗口函数的原理(重点)
窗口函数就是在原来定义的SparkStreaming计算批次大小的基础上再次进行封装,每次计算多个批次的数据,同时还需要传递一个滑动步长的参数,用来设置当次计算任务完成之后下一次从什么地方开始计算。
代码示例:
kafkaStream.transform { rdd =>
offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
rdd}.map(_._2).map((_, 1)).reduceByKeyAndWindow((v1: Int, v2: Int) => {
v1 + v2
}, Seconds(8),
Seconds(4))
表示每隔4秒(后面的4秒),计算最近8秒(前面的8秒)的数据。
第一个时间称为窗口长度,第二个时间称为滑动长度,其含义表示每隔4秒计算最近最近8秒的数据。