Spark Streaming是一个基于Spark Core之上的实时计算框架
SparkStreaming特点
易用:可以像编写离线批处理一样去编写流式程序,支持java/scala/python语言。
容错:SparkStreaming在没有额外代码和配置的情况下可以恢复丢失的工作。
易整合到Spark体系:流式处理与批处理和交互式查询相结合。
SparkStreaming在架构中得位置
Spark Streaming原理
流程
Spark Streaming中,会有一个接收器组件Receiver(瑞c vei),作为一个长期运行的task跑在一个Executor上。Receiver接收外部的数据流形成input DStream
DStream会被按照时间间隔划分成一批一批的RDD(准实时性/近实时性(不是100%的实时)5秒钟之内是可以接受得)
对DStream进行操作就是对RDD进行操作。
数据抽象
Dstream:代表持续性的输入的数据流和经过各种Spark算子操作后的输出的结果数据流。
DStream本质上就是一系列时间上连续的RDD
对DStream的数据的进行操作也是按照RDD为单位来进行的
Spark Core SparkSQL Spark Streming三者底层的数据抽象
阐明以下数据抽象之间的关系。
rdd+Schema=DateFrame DateFrame+as.[类型] 一系列时间上连续的RDD=DStream
DStream相关操作
- 数据接入:Receiver接收外部的数据
- 数据转化:Transformations(转换)
每个批次的处理不依赖于之前批次的数据
当前批次的处理需要使用之前批次的数据或者中间结果。
1.UpdateStateByKey(func)
2.Window Operations 窗口操作
3.数据输出:Output Operations(输出)/Action
某个Output Operations被调用时,spark streaming程序才会开始真正的计算过程
计算每个批次的数据得单词的总和
def main(args: Array[String]): Unit = {
//1 创建sparkConf var conf =new SparkConf().setMaster("local[*]").setAppName("SparkStremingDemo1") //2 创建一个sparkcontext var sc =new SparkContext(conf) sc.setLogLevel("WARN") //3 创建streamingcontext var ssc=new StreamingContext(sc,Seconds(5)) //4 接收数据并根据业务逻辑进行计算 val socketDatas: ReceiverInputDStream[String] = ssc.socketTextStream("node01",9999) val WordCount: DStream[(String, Int)] = socketDatas.flatMap(a=>a.split(" ")).map(x=>(x,1)).reduceByKey(_+_) WordCount.print() //5 开启计算任务 ssc.start() //6 等待关闭 ssc.awaitTermination()
} |
计算所有的总和
object SparkStreamingDemo2 {
def tmpSum(currentValues:Seq[Int], historyValue:Option[Int] ):Option[Int] ={ // currentValues当前值 // historyValue历史值 //hadoop 1,1,1 hive 1,1 hbase 1 //hadoop 1,1 hive 1,1 hbase 1 val result: Int = currentValues.sum + historyValue.getOrElse(0) Some(result) }
def main(args: Array[String]): Unit = { //1 创建sparkConf var conf =new SparkConf().setMaster("local[*]").setAppName("SparkStremingDemo1") //2 创建一个sparkcontext var sc =new SparkContext(conf) sc.setLogLevel("WARN") //3 创建streamingcontext var ssc=new StreamingContext(sc,Seconds(5)) //设置缓存数据的位置 ssc.checkpoint("./TmpCount")
//4 接收数据并根据业务逻辑进行计算 val socketDatas: ReceiverInputDStream[String] = ssc.socketTextStream("node01",9999) val WordOne: DStream[(String, Int)] = socketDatas.flatMap(a=>a.split(" ")).map(x=>(x,1)) //hadoop hadoop hadoop hive hive hbase //hadoop 1,1,1 hive 1,1 hbase 1 val WordAllCount: DStream[(String, Int)] = WordOne.updateStateByKey(tmpSum) WordAllCount.print() //5 开启计算任务 ssc.start() //6 等待关闭 ssc.awaitTermination() } } |