SparkStreaming开窗函数reduceByKeyAndWindow,实现单词计数

架构图

在这里插入图片描述

实现流程

  1. 安装并启动生成者
    首先在linux服务器上用YUM安装nc工具,nc命令是netcat命令的简称,都是用来设置路由器。我们可以利用它向某个端口发送数据。
    yum install -y nc
  2. 启动一个服务端并监听9999端口
    nc-lk 9999
    向指定的端口发送数据
  3. 编写Spark Streaming程序
package cn.test.spark

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

/**
  * sparkStreming开窗函数---统计一定时间内单词出现的次数
  */
object SparkStreamingTCPWindow {

  def main(args: Array[String]): Unit = {
    //配置sparkConf参数
    val sparkConf: SparkConf = new SparkConf().setAppName("SparkStreamingTCPWindow").setMaster("local[2]")
    //构建sparkContext对象
    val sc: SparkContext = new SparkContext(sparkConf)
    sc.setLogLevel("WARN")
    //构建StreamingContext对象,每个批处理的时间间隔
    val scc: StreamingContext = new StreamingContext(sc,Seconds(5))
    //注册一个监听的IP地址和端口  用来收集数据
    val lines: ReceiverInputDStream[String] = scc.socketTextStream("192.168.200.160",9999)
    //切分每一行记录
    val words: DStream[String] = lines.flatMap(_.split(" "))
    //每个单词记为1
    val wordAndOne: DStream[(String, Int)] = words.map((_,1))
    //reduceByKeyAndWindow函数参数意义:
    // windowDuration:表示window框住的时间长度,如本例5秒切分一次RDD,框10秒,就会保留最近2次切分的RDD
    //slideDuration:  表示window滑动的时间长度,即每隔多久执行本计算
    val result: DStream[(String, Int)] = wordAndOne.reduceByKeyAndWindow((a:Int,b:Int)=>a+b,Seconds(10),Seconds(5))
    result.print()
    scc.start()
    scc.awaitTermination()
  }
}

执行查看效果

  1. 先执行nc -lk 9999

在这里插入图片描述

  1. 然后在执行以上代码

在这里插入图片描述

  1. 不断的在(1)中输入不同的单词,观察IDEA控制台输出

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

现象:sparkStreaming每隔5s计算一次当前在窗口大小为10s内的数据,然后将结果数据输出。

Spark开窗函数是一种用于对结果集进行聚合计算的函数开窗函数可以根据指定的分区和排序规则对结果集进行分组和排序,并计算每个分组或排序组内的聚合结果。 在Spark中,开窗函数可以使用`OVER`关键字来定义。`OVER`关键字后面可以跟着分区和排序规则,以及其他选项来改变聚合运算的窗口范围。 常见的开窗函数包括: - `COUNT`:计算符合条件的行数。 - `ROW_NUMBER`:为每一行分配一个唯一的行号。 - `RANK`:计算每一行在排序结果中的排名。 - `DENSE_RANK`:计算每一行在排序结果中的密集排名。 - `NTILE`:将结果集分成指定数量的组,并为每个组分配一个排名。 下面是一些使用Spark开窗函数的示例: ``` sparkSession.sql("select name, class, score, count(name) over(partition by class) name_count1 from score").show() sparkSession.sql("select name, class, score, count(name) over(partition by score) name_count2 from score").show() sparkSession.sql("select name, class, score, row_number() over(order by score) rank from score").show() sparkSession.sql("select name, class, score, rank() over(order by score) rank from score").show() sparkSession.sql("select name, class, score, dense_rank() over(order by score) rank from score").show() sparkSession.sql("select name, class, score, ntile(6) over(order by score) rank from score").show() ``` 以上示例展示了如何使用开窗函数进行分组计数、排序和排名操作。每个示例都使用了不同的开窗函数和不同的分区或排序规则来实现不同的聚合计算。
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