java Scala数据类型转换_scala – 对于DStream中的每个RDD,如何将其转换为数组或其他典型的Java数据类型?...

我想将DStream转换为数组,列表等,然后我可以将其转换为json并在端点上提供它.我正在使用apache spark,注入twitter数据.如何在Dstream状态下执行此操作?除了print()之外,我似乎无法获得任何工作.

import org.apache.spark._

import org.apache.spark.SparkContext._

import org.apache.spark.streaming._

import org.apache.spark.streaming.twitter._

import org.apache.spark.streaming.StreamingContext._

import TutorialHelper._

object Tutorial {

def main(args: Array[String]) {

// Location of the Spark directory

val sparkHome = "/opt/spark"

// URL of the Spark cluster

val sparkUrl = "local[8]"

// Location of the required JAR files

val jarFile = "target/scala-2.10/tutorial_2.10-0.1-SNAPSHOT.jar"

// HDFS directory for checkpointing

val checkpointDir = "/tmp"

// Configure Twitter credentials using twitter.txt

TutorialHelper.configureTwitterCredentials()

val ssc = new StreamingContext(sparkUrl, "Tutorial", Seconds(1), sparkHome, Seq(jarFile))

val filters = Array("#americasgottalent", "iamawesome")

val tweets = TwitterUtils.createStream(ssc, None, filters)

val statuses = tweets.map(status => status.getText())

val arry = Array("firstval")

statuses.foreachRDD {

arr :+ _.collect()

}

ssc.checkpoint(checkpointDir)

ssc.start()

ssc.awaitTermination()

}

}

如果你的RDD是你可以做的状态.

val arr = new ArrayBuffer[String]();

statuses.foreachRDD {

arr ++= _.collect() //you can now put it in an array or d w/e you want with it

...

}

请记住,由于DStream可能很大,因此最终可能会比您在驱动程序中拥有的数据更多.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,您的问题是如何生成数据集并用Spark进行分析。以下是一些指导: 1. 生成数据集 您可以使用随机数生成器或者从外部源获取数据来生成数据集。例如,您可以使用Scala的Random类生成随机数来生成数据集。如果您需要大量数据,可以使用分布式生成器如Faker或DataGen。 2. 用Spark-Scala进行分析 一旦您有数据集,您可以使用Spark-Scala将其读取为RDD(弹性分布式数据集)。RDD是Spark的基本数据类型之一,它是一个分布式的、可缓存的、不可变的数据集。随后,您可以使用Spark的Dataframe API或SQL API将RDD转换为Dataframe以进行DSL操作或SQL操作。 以下是一个示例代码段: ``` import org.apache.spark.sql.SparkSession val spark = SparkSession.builder .appName("example") .master("local[*]") .getOrCreate() val rdd = spark.sparkContext.parallelize(Seq( ("Alice", 25), ("Bob", 30), ("Charlie", 35), ("Dave", 40) )) val df = rdd.toDF("name", "age") df.show() ``` 3. 存储到HDFS 一旦您完成了分析,您可以将结果存储到HDFS。您可以使用Hadoop API或Spark的saveAsTextFile方法将Dataframe存储为文本文件。以下是一个示例代码段: ``` df.write.text("hdfs://localhost:9000/output") ``` 4. 使用Spark Streaming进行监控 最后,您可以使用Spark Streaming对数据进行监控。Spark Streaming是Spark的流处理库,它可以让您实时处理数据。您可以使用Spark Streaming的DStream API将数据转换RDD或Dataframe,并在其执行操作。 以下是一个示例代码段: ``` import org.apache.spark.streaming.{Seconds, StreamingContext} val ssc = new StreamingContext(spark.sparkContext, Seconds(1)) val lines = ssc.socketTextStream("localhost", 9999) val words = lines.flatMap(_.split(" ")) val wordCounts = words.map(word => (word, 1)).reduceByKey(_ + _) wordCounts.print() ssc.start() ssc.awaitTermination() ``` 这个示例代码段将从本地套接字9999读取文本流,并对其进行单词计数。您可以根据需要修改此代码段以适应您的数据流和操作。 希望这些指导有所帮助!
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