- 前言
在之前的学习中我们学习已经学习了如何用Structured Streaming处理Socket数据,今天我们来学习如何用Structured Streaming处理文本数据
- 扩展
spark应用可以监听某一个目录,而web服务在这个目录上实时产生日志文件,这样对于spark应用来说,日志文件就是实时数据
Structured Streaming支持的文件类型有text,csv,json,parquet
-
准备工作
在people.json文件输入如下数据
注意:文件必须是被移动到目录中的,且文件名不能有特殊字符
{"name":"json","age":23,"hobby":"running"}
{"name":"charles","age":32,"hobby":"basketball"}
{"name":"tom","age":28,"hobby":"football"}
{"name":"lili","age":24,"hobby":"running"}
{"name":"bob","age":20,"hobby":"swimming"}
-
代码
需求:使用Structured Streaming统计年龄小于25岁的人群的爱好排行榜
//创建SparkSession
val spark: SparkSession = SparkSession.builder().appName("test01").master("local[*]").getOrCreate()
//设置日志级别
spark.sparkContext.setLogLevel("WARN")
//设置表结构
val structType: StructType = new StructType()
.add("name", "string")
.add("age", "integer")
.add("hobby", "string")
//读取数据
//json:参数必须是文件夹,不能是指定文件
val datas: DataFrame = spark.readStream.schema(structType).json("C:\\Users\\86132\\Desktop\\111")
//根据业务逻辑进行数据处理
import spark.implicits._
val hobbys: Dataset[Row] = datas.filter($"age" < 25).groupBy($"hobby").count().sort($"count".desc)
//计算结果输出
//format:表示数据输出到哪里
//outputMode:表示输出哪些数据
//trigger:触发器
//start:开启任务
//awaitTermination:等待关闭
hobbys.writeStream
.format("console")
.outputMode("complete")
.trigger(Trigger.ProcessingTime(0))
.start()
.awaitTermination()
本次的干货已经分享完毕,如有什么改进的意见记得私信小编哦。