离散流(DStreams)的简介:
离散流或DStream是Spark Streaming提供的基本抽象。它表示连续的数据流,可以是从源接收的输入数据流,并把数据分组为小的批次。也可以是通过转换输入流生成的已处理数据流,每个输入批次都形成一个RDD序列,每个RDD代表数据流中的一个时间片内的数据。如下图所示,DStream中的每个RDD都包含一定时间间隔内的数据。
一、连接操作
流流连接
流可以很容易地与其他流合并。两个流文件产生两个新的窗口流文件。
代码:
[root@cos1000 bin]# spark-shell
20/02/12 20:18:47 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
20/02/12 20:19:04 WARN util.Utils: Service 'SparkUI' could not bind on port 4040. Attempting port 4041.
Spark context Web UI available at http://cos1000:4041
Spark context available as 'sc' (master = local[*], app id = local-1581509945225).
Spark session available as 'spark'.
Welcome to
____ __
/ __/__ ___ _____/ /__
_\ \/ _ \/ _ `/ __/ '_/
/___/ .__/\_,_/_/ /_/\_\ version 3.0.0-preview2
/_/
Using Scala version 2.12.1