SparkStreaming（8）：windows窗口操作

一、概念

1.基本功能

在一定的时间间隔（interval）进行一个时间段（window length）内的数据处理。

【参考：http://spark.apache.org/docs/2.1.0/streaming-programming-guide.html】

2.核心

（1）window length  ： 窗口的长度（下图是3）

（2）sliding interval： 窗口的间隔（下图是2）

（3）这2个参数和Streaming的batch size都是倍数关系，否则会报错！

3.实例（官方）

  每10s计算前30s的数据

// Reduce last 30 seconds of data, every 10 seconds
val windowedWordCounts = pairs.reduceByKeyAndWindow((a:Int,b:Int) => (a + b), Seconds(30), Seconds(10))

     【注意：】

      Seconds(30), //窗口大小，指定计算最近多久的数据量，要求是父DStream的批次产生时间的整数倍
      Seconds(10) //滑动大小/新的DStream批次产生间隔时间，就是几秒钟来一次数据，要求是父DStream的批次产生时间的整数倍

二、实例代码

1.源码

package _0809kafka

import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.streaming.{Seconds, StreamingContext}

/**
  * Created by Administrator on 2018/10/20.
  */
object WindowsReduceStream_simple_1020 {
  def main(args: Array[String]): Unit = {
    val sparkconf=new SparkConf().setMaster("local[2]").setAppName("WindowsReduceStream_simple_1020")
    val sc=new  SparkContext(sparkconf)
    val ssc = new StreamingContext(sc, Seconds(2))
    val checkpointPathDir = s"file:///E:\\Tools\\WorkspaceforMyeclipse\\scalaProjectMaven\\streaming_08"
    ssc.checkpoint(checkpointPathDir)
    val dstream = ssc.socketTextStream("hadoop01", 9999)
    val batchResultDStream = dstream.flatMap(_.split(" ")).map(word => {
      (word,1)
    }).reduceByKey(_ + _)
    val resultDStream: DStream[(String, Int)] = batchResultDStream.reduceByKeyAndWindow(
      (a:Int,b:Int) => a+b,
      Seconds(6), //窗口大小，指定计算最近多久的数据量，要求是父DStream的批次产生时间的整数倍
      Seconds(2) //滑动大小/新的DStream批次产生间隔时间，就是几秒钟来一次数据，要求是父DStream的批次产生时间的整数倍
    )
    resultDStream.print()
    ssc.start()             // 启动
    ssc.awaitTermination()

  }
}

2.测试

  -》开启9999端口

nc -lt 9999

  -》打开程序
  -》结果：

	
	-------------------------------------------
	Time: 1540020870000 ms
	-------------------------------------------
	(hadoophadoop,15)
	(hadoop,60)
	(ccs,45)

3.扩展

（1）window(windowLength, slideInterval): 基于对源 DStream 窗化的批次进行计算返回一个新 的 Dstream；

（2）countByWindow(windowLength, slideInterval): 返回一个滑动窗口计数流中的元素个数；

（3）reduceByWindow(func, windowLength, slideInterval): 通过使用自定义函数整合滑动区间流元素来创建一个新的单元素流；

（4）reduceByKeyAndWindow(func, windowLength, slideInterval, [numTasks]): 当在一个(K,V)对 的 DStream 上调用此函数，会返回一个新(K,V)对的 DStream，此处通过对滑动窗口中批次数据使用 reduce 函数来整合每个 key 的 value 值。

（测试成功！）