SparkStreaming部分：updateStateByKey算子（包含从Linux端获取数据，flatmap切分，maptopair分类，写入到本地创建的文件夹中）【Java版纯代码】

package com.bjsxt;

import java.util.List;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;

import com.google.common.base.Optional;

import scala.Tuple2;
import scala.actors.threadpool.Arrays;

public class UpdateStateByKeyOperator {
    public static void main(String[] args) {
        SparkConf conf = new SparkConf().setAppName("test").setMaster("local[2]");
        JavaStreamingContext jsc = new JavaStreamingContext(conf, Durations.seconds(5));
        /**
         * 去除日志的重复
         */
        jsc.sparkContext().setLogLevel("ERROR");
        /**
         * 设置checkpoint目录： 多久会接收内存中的数据（每一个key所对应的状态）写入到磁盘上呢？
         * 如果你的batchinterval小于10S，那么10S会将内存中的数据写入到磁盘一份
         * 如果batchinterval大于10S，那么就以batchinterval为准 这样做是为了防止频繁的写HDFS
         * 设置checkpoint目录的两种方式： 1.jsc.checkpoint("./checkpoint"); 2.JavaSparkContext
         * sc=jsc.sparkContxt(); sc.setCheckpointDir("./checkpoint");
         * 
         */
        jsc.checkpoint("./checkpoint");
        /**
         * 从Linux端接收数据
         */
        JavaReceiverInputDStream<String> lines = jsc.socketTextStream("node01", 9999);
        /**
         * 调用flatmap算子进行切分
         */
        JavaDStream<String> words = lines.flatMap(new FlatMapFunction<String, String>() {

            @Override
            public Iterable<String> call(String s) throws Exception {

                return Arrays.asList(s.split(" "));
            }
        });
        /**
         * 调用mapToPair 进行分类
         */
        JavaPairDStream<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {

            @Override
            public Tuple2<String, Integer> call(String s) throws Exception {

                return new Tuple2<String, Integer>(s, 1);
            }
        });
        /**
         * 调用updateStateByKey算子
         * 
         */
        JavaPairDStream<String, Integer> counts = ones
                .updateStateByKey(new Function2<List<Integer>, Optional<Integer>, Optional<Integer>>() {

                    @Override
                    public Optional<Integer> call(List<Integer> values, Optional<Integer> state) throws Exception {
                        /**
                         * values:经过分组最后 这个key所对应的value [1,1,1,1,1] state:这个key在本次之前之前的状态
                         */
                        Integer updateValue = 0;
                        if (state.isPresent()) {
                            updateValue = state.get();
                        }
                        for (Integer value : values) {
                            updateValue += value;
                        }
                        return Optional.of(updateValue);
                    }
                });
        // output operator
        counts.print();
        jsc.start();
        jsc.awaitTermination();
        jsc.close();
    }
}