《深度实践Spark机器学习》第13章 使用Spark Streaming构建在线学习模型

抓住一只:

https://www.jianshu.com/p/82c95217e429



13.3 Spark Streaming应用实例 172

// 先启动nc,端口为9999
nc  -lk  9999

// 启动spark-shell
spark-shell --num-executors 1 --total-executor-cores 3 --executor-memory 512m

// 导入类或包
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.SparkSession
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.{Seconds, StreamingContext, Time}
import spark.implicits._
 
// 创建一个间隔时间为3秒的context
val ssc = new StreamingContext(sc, Seconds(3))

// 创建一个socket stream ,基于本机9999端口
val lines = ssc.socketTextStream("127.0.0.1", 9999)
val words = lines.flatMap(_.split(" "))

// 为便于使用SQL进行统计,把DStream的RDD转换为DataFrame。
// 把RDD[String] 转换为RDD[case class] ,最后转换为DataFrame
case class Record(word: String)
 
words.foreachRDD { (rdd:RDD[String], time:Time) =>
val wordsDataFrame = rdd.map(w => Record(w)).toDF()
 
// 创建一个临时视图
wordsDataFrame.createOrReplaceTempView("words")
// 使用SQL进行统计
val wordCountsDataFrame = spark.sql("select word, count(*) as total from words group by word")
println(s"========= $time =========")
wordCountsDataFrame.show()
}

ssc.start()
ssc.awaitTermination()

// 在启动了nc的界面输入
ok ok  m  p  py py py

// 在spark shell界面,可以看到如下输出
+----+-----+                                                                    
|word|total|
+----+-----+
|   m|    1|
|  ok|    2|
|   p|    1|
|  py|    3|
|    |    3|
+----+-----+





13.4 Spark Streaming在线学习实例(未运行测试)
// 导入需要的类
import org.apache.spark.mllib.linalg.Vectors
import org.apache.spark.mllib.feature.StandardScaler
import breeze.linalg.DenseVector
import org.apache.spark.mllib.regression.LabeledPoint
import org.apache.spark.mllib.regression.StreamingLinearRegressionWithSGD
import org.apache.spark.streaming._
import org.apache.spark.streaming.StreamingContext._
 
 
// 交互式编程
val ssc = new StreamingContext(sc, Seconds(10))
val stream = ssc.textFileStream("file:///XX")
 
val NumFeatures = 11
val zeroVector = DenseVector.zeros[Double](NumFeatures)
val model = new StreamingLinearRegressionWithSGD()
.setInitialWeights(Vectors.dense(zeroVector.data))
.setNumIterations(20)
.setRegParam(0.8)
.setStepSize(0.01) 
 

// 创建一个含标签的数据流
val labeledStream = stream.map { line =>
val split = line.split(";")
val y = split(11).toDouble
val features=split.slice(0,11).map(_.toDouble)
LabeledPoint(label = y, features = Vectors.dense(features))
}  

// 在数据流上训练测试模型。    
model.trainOn(labeledStream)
model.predictOnValues(labeledStream.map(lp => (lp.label, lp.features))).print()

// 启动Spark Streaming
ssc.start()
ssc.awaitTermination()
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值