开始前的准备
1.因为我们等会要在linux创建一个socket,然后不停的读入数据,所以首先在linux上开启一个虚拟机,然后启动一个端口,命令:nc -lk 9999,此时就创建了一个端口是9999的进程,可以在控制台输入数据了,如果提示你nc状态不支持,需要安装nc,命令是:yum install nc
2.配置hosts文件,使能够根据主机名进行访问。
实际操作的代码如下:
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import scala.Tuple2;
import java.util.Arrays;
import java.util.Iterator;
public class SparkStreamingTest {
public static void main(String[] args) throws Exception{
SparkConf conf = new SparkConf().setMaster("local[2]").setAppName("SparkStreamingTest");
JavaSparkContext sc = new JavaSparkContext(conf);
JavaStreamingContext jsc = new JavaStreamingContext(sc, Durations.seconds(5));
JavaReceiverInputDStream<String> inputDStream = jsc.socketTextStream("mini1", 9999);
JavaDStream<String> words = inputDStream.flatMap(new FlatMapFunction<String, String>() {
@Override
public Iterator<String> call(String line) throws Exception {
return Arrays.asList(line.split(" ")).iterator();
}
});
JavaPairDStream<String, Integer> wordMapToPair = words.mapToPair(new PairFunction<String, String, Integer>() {
@Override
public Tuple2<String, Integer> call(String word) throws Exception {
return new Tuple2<>(word, 1);
}
});
JavaPairDStream<String, Integer> dStreamByKey = wordMapToPair.reduceByKey(new Function2<Integer, Integer, Integer>() {
@Override
public Integer call(Integer v1, Integer v2) throws Exception {
return v1 + v2;
}
});
//dStreamByKey.print(1000);
dStreamByKey.foreachRDD(new VoidFunction<JavaPairRDD<String, Integer>>() {
@Override
public void call(JavaPairRDD<String, Integer> rdd) throws Exception {
//这段代码是在driver端执行
JavaPairRDD<String, Integer> pairRDD = rdd.mapToPair(new PairFunction<Tuple2<String, Integer>, String, Integer>() {
@Override
public Tuple2<String, Integer> call(Tuple2<String, Integer> tuple2) throws Exception {
return new Tuple2<>(tuple2._1 + "~", tuple2._2);
}
});
//必须得有action算子触发上面的代码才能执行
pairRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {
@Override
public void call(Tuple2<String, Integer> tuple2) throws Exception {
System.out.println(tuple2);
}
});
}
});
//开始监听,
jsc.start();
jsc.awaitTermination();
//在这里这段代码不会停止,即程序会一直执行
jsc.stop();
}
}
注意点:
1、local的模拟线程数必须大于等于2 因为一条线程被receiver(接受数据的线程)占用,另外一个线程是job执行
2、Durations时间的设置,就是我们能接受的延迟度,这个我们需要根据集群的资源情况以及监控每一个job的执行时间来调节出最佳时间。
3、 创建JavaStreamingContext有两种方式 (sparkconf、sparkcontext)
4、业务逻辑完成后,需要有一个output operator
5、JavaStreamingContext.start()straming框架启动之后是不能在次添加业务逻辑
6、JavaStreamingContext.stop()无参的stop方法会将sparkContext一同关闭,stop(false) ,默认为true,会一同关闭
7、JavaStreamingContext.stop()停止之后是不能在调用start