Spark Streaming基础案例实现

本文详细介绍了如何使用Spark Streaming处理文件流和套接字流。从在spark-shell中创建文件流,到通过独立程序创建文件流,再到利用套接字流作为数据源,最后演示了如何通过Socket编程实现自定义数据源。通过实例展示了Spark Streaming在大数据实时处理中的应用。
摘要由CSDN通过智能技术生成

文件流

在文件流的应用场景中,需要编写Spark Streaming 程序,一直对文件系统的某个目录进行监听,一旦发现有新的文件生成,
Spark Streaming就会自动把文件内容读取过来,使用用户自定义的处理逻辑进行处理

套接字流

Spark Streaming可以通过Socket端口监听并接收数据,然后进行相应的处理

一、在spark-shell中创建文件流

1、创建一个目录 logfile

cd /usr/local/spark/mycode
mkdir streaming
cd streaming
mkdir logfile

2、在另一个终端进入spark-shell,依次输入以下语句

scala> import org.apache.spark.streaming._
import org.apache.spark.streaming._

scala> val ssc = new StreamingContext(sc,Seconds(20))
ssc: org.apache.spark.streaming.StreamingContext = org.apache.spark.streaming.StreamingContext@2108d503

scala> val lines = ssc.
     | textFileStream("file:///usr/local/spark/mycode/streaming/logfile")
lines: org.apache.spark.streaming.dstream.DStream[String] = org.apache.spark.streaming.dstream.MappedDStream@63cf0da6

scala> val words = lines.flatMap(_.split(" "))
words: org.apache.spark.streaming.dstream.DStream[String] = org.apache.spark.streaming.dstream.FlatMappedDStream@761b4581

scala> val wordCounts = words.map(x => (x,1)).reduceByKey(_ + _)
wordCounts: org.apache.spark.streaming.dstream.DStream[(String, Int)] = org.apache.spark.streaming.dstream.ShuffledDStream@515576b0

scala> wordCounts.print()

scala> ssc.start()

# 输出以下:
-------------------------------------------
Time: 1592364620000 ms
-------------------------------------------

3、在回到刚刚创建文件夹的终端,在logfile目录下创建文件log.txt

spark sql
spark streaming
spark MLlib

4、再回到spark-shell的终端就可以看到词频统计的结果

-------------------------------------------
Time: 1592364620000 ms
----------------------------
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