Spark Streaming的介绍和IDEA操作

官网：https://spark.apache.org/docs/latest/streaming-programming-guide.html

一：介绍

Spark流是核心Spark API的扩展，它支持对实时数据流进行可伸缩、高吞吐量和容错的流处理。数据可以从Kafka、Flume、Kinesis或TCP套接字等多个源获取，也可以使用映射、reduce、join和window等高级函数表示的复杂算法进行处理。最后，可以将处理过的数据推送到文件系统、数据库和实时仪表板。事实上，您可以将Spark的机器学习和图形处理算法应用于数据流。

在内部，它的工作原理如下。Spark流接收实时输入数据流，并将数据划分为批，然后由Spark引擎处理这些数据，生成最终的批结果流。

IDEA中操作

添加pom文件

<dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-streaming_2.11</artifactId>
      <version>${spark.version}</version>
    </dependency>

代码：

package g5.learning.Stearing001

import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import org.apache.spark.streaming.{Seconds, StreamingContext}

object streamingWCApp {
  def main(args: Array[String]): Unit = {

    //准备工作
    val conf = new SparkConf().setMaster("local[2]").setAppName("streamingWCApp")
    val ssc = new StreamingContext(conf, Seconds(10))
//业务逻辑
    val lines = ssc.socketTextStream("hadoop001", 9999)
   val results = lines.flatMap(_.split(",")).map((_,1)).reduceByKey(_+_)
    results.print()//默认打十条结果
    //streaming 不需要关掉

//streaming的启动
    ssc.start()             // Start the computation
    ssc.awaitTermination()  // Wait for the computation to terminate
  }

}

localhost:4040端口查询

[hadoop@hadoop001 conf]$  nc -lk 9999
a,a,a,a,a,a,a,a,a,a,d,d,