Spark日志分析项目Demo(5)--自定义Accumulator

累加器（accumulator）

我们传递给Spark的函数，如map()，或者filter()的判断条件函数，能够利用定义在函数之外的变量，但是集群中的每一个task都会得到变量的一个副本，并且task在对变量进行的更新不会被返回给driver。而Spark的两种共享变量：累加器（accumulator）和广播变量（broadcast variable），在广播和结果聚合这两种常见类型的通信模式上放宽了这种限制。
使用累加器可以很简便地对各个worker返回给driver的值进行聚合。累加器最常见的用途之一就是对一个job执行期间发生的事件进行计数。例如，当我们统计输入文件信息时，有时需要统计空白行的数量。下面的scala程序描述了这个过程。

import org.apache.spark.{SparkContext, SparkConf}

object AccumulatorTest{
  def main(args: Array[String]) {
    val conf = new SparkConf()
      .setMaster("local")
      .setAppName("accumulatrorTest")
      .setJars(List("E:\\IdeaProjects\\SparkExercise\\out\\artifacts\\SparkExercise_jar\\SparkExercise.jar"))
    val sc = new SparkContext(conf)
    val file = sc.textFile("E:\\file.txt")
    val blankLines = sc.accumulator(0) // Create an Accumulator[Int] initialized to 0，task会得到blankLines的一个副本，且每个task对它的更新不会返回给driver
    val callSigns = file.flatMap(line => {
        if (line == "") {
          blankLines += 1 // Add to the accumulator
        }
        line.split(" ")
      })
    callSigns.saveAsTextFile("E:\\output.txt")
    println("Blank lines: " + blankLines)
    sc.stop()
  }
}

在上面的例子中，我们创建了一个名为blankLines的整型累加器（Accumulator[Int]），初始化为0，然后再每次读到一个空白行的时候blankLines加一。因此，累加器使我们可以用一种更简便的方式，在一个RDD的转换过程中对值进行聚合，而不用额外使用一个filter()或reduce()操作。
需要注意的是，由于Spark的lazy机制，只有在saveAsTestFile这个action算子执行后我们才能得到blankLines的正确结果。

由于对于worker节点来说，累加器的值是不可访问的，所有对于worker上的task，累加器是write-only的。这使得累加器可以被更高效的实现，而不需要在每次更新时都进行通信。

自定义累加器

上面的例子中使用的是Spark内建的Integer类型累加器。同时，Spark还支持Double，Long，和Float类型的累加器。除此之外，Spark还提供了自定义累加器类型和聚合操作（如查找最大值等加操作以外的操作）的API，但要保证定义的操作满足交换律和结合律。

下载介绍项目中用到的自定义累加器，重载了方法zero(),add()

public class SessionAggrStatAccumulator implements AccumulatorParam<String> {
    private static final long serialVersionUID = 6311074555136039130L;
    /**
     * zero方法，其实主要用于数据的初始化
     * 那么，我们这里，就返回一个值，就是初始化中，所有范围区间的数量，都是0
     * 各个范围区间的统计数量的拼接，还是采用一如既往的key=value|key=value的连接串的格式
     */
    public String zero(String initialValue) {
        return Constants.SESSION_COUNT + "=0|"
                + Constants.TIME_PERIOD_1s_3s + "=0|"
                + Constants.TIME_PERIOD_4s_6s + "=0|"
                + Constants.TIME_PERIOD_7s_9s + "=0|"
                + Constants.TIME_PERIOD_10s_30s + "=0|"
                + Constants.TIME_PERIOD_30s_60s + "=0|"
                + Constants.TIME_PERIOD_1m_3m + "=0|"
                + Constants.TIME_PERIOD_3m_10m + "=0|"
                + Constants.TIME_PERIOD_10m_30m + "=0|"
                + Constants.TIME_PERIOD_30m + "=0|"
                + Constants.STEP_PERIOD_1_3 + "=0|"
                + Constants.STEP_PERIOD_4_6 + "=0|"
                + Constants.STEP_PERIOD_7_9 + "=0|"
                + Constants.STEP_PERIOD_10_30 + "=0|"
                + Constants.STEP_PERIOD_30_60 + "=0|"
                + Constants.STEP_PERIOD_60 + "=0";
    }
    /**
     * addInPlace和addAccumulator
     * 可以理解为是一样的
     *
     * 这两个方法，其实主要就是实现，v1可能就是我们初始化的那个连接串
     * v2，就是我们在遍历session的时候，判断出某个session对应的区间，然后会用Constants.TIME_PERIOD_1s_3s
     * 所以，我们，要做的事情就是
     * 在v1中，找到v2对应的value，累加1，然后再更新回连接串里面去
     *
     */
    public String addAccumulator(String v1, String v2) {
        return add(v1,v2);
    }

    public String addInPlace(String v1, String v2) {
        return add(v1,v2);
    }
    /**
     * session统计计算逻辑
     * @param v1 连接串
     * @param v2 范围区间
     * @return 更新以后的连接串
     */
    private String add(String v1, String v2){
        // 校验：v1为空的话，直接返回v2
        if(StringUtils.isEmpty(v1)) {
            return v2;
        }

        // 使用StringUtils工具类，从v1中，提取v2对应的值，并累加1
        String oldValue = StringUtils.getFieldFromConcatString(v1, "\\|", v2);
        if(oldValue != null) {
            // 将范围区间原有的值，累加1
            int newValue = Integer.valueOf(oldValue) + 1;
            // 使用StringUtils工具类，将v1中，v2对应的值，设置成新的累加后的值
            return StringUtils.setFieldInConcatString(v1, "\\|", v2, String.valueOf(newValue));
        }
        return v1;
    }

}

/**
 * 字符串工具类
 * @author Administrator
 *
 */
public class StringUtils {

   /**
    * 判断字符串是否为空
    * @param str 字符串
    * @return 是否为空
    */
   public static boolean isEmpty(String str) {
      return str == null || "".equals(str);
   }

   /**
    * 判断字符串是否不为空
    * @param str 字符串
    * @return 是否不为空
    */
   public static boolean isNotEmpty(String str) {
      return str != null && !"".equals(str);
   }

   /**
    * 截断字符串两侧的逗号
    * @param str 字符串
    * @return 字符串
    */
   public static String trimComma(String str) {
      if(str.startsWith(",")) {
         str = str.substring(1);
      }
      if(str.endsWith(",")) {
         str = str.substring(0, str.length() - 1);
      }
      return str;
   }

   /**
    * 补全两位数字
    * @param str
    * @return
    */
   public static String fulfuill(String str) {
      if(str.length() == 2) {
         return str;
      } else {
         return "0" + str;
      }
   }

   /**
    * 从拼接的字符串中提取字段
    * @param str 字符串
    * @param delimiter 分隔符 
    * @param field 字段
    * @return 字段值
    */
   public static String getFieldFromConcatString(String str, 
         String delimiter, String field) {
      try {
         String[] fields = str.split(delimiter);
         for(String concatField : fields) {
            // searchKeywords=|clickCategoryIds=1,2,3
            if(concatField.split("=").length == 2) {
               String fieldName = concatField.split("=")[0];
               String fieldValue = concatField.split("=")[1];
               if(fieldName.equals(field)) {
                  return fieldValue;
               }
            }
         }
      } catch (Exception e) {
         e.printStackTrace();
      }
      return null;
   }

   /**
    * 从拼接的字符串中给字段设置值
    * @param str 字符串
    * @param delimiter 分隔符 
    * @param field 字段名
    * @param newFieldValue 新的field值
    * @return 字段值
    */
   public static String setFieldInConcatString(String str, 
         String delimiter, String field, String newFieldValue) {
      String[] fields = str.split(delimiter);

      for(int i = 0; i < fields.length; i++) {
         String fieldName = fields[i].split("=")[0];
         if(fieldName.equals(field)) {
            String concatField = fieldName + "=" + newFieldValue;
            fields[i] = concatField;
            break;
         }
      }

      StringBuffer buffer = new StringBuffer("");
      for(int i = 0; i < fields.length; i++) {
         buffer.append(fields[i]);
         if(i < fields.length - 1) {
            buffer.append("|");  
         }
      }

      return buffer.toString();
   }

}

public class AccumuletorTest {
    public static void main(String[] args) {
        // 构建Spark上下文
        SparkConf conf = new SparkConf()
                .setAppName("AccumuletorTest")
                .setMaster("local");
        JavaSparkContext sc = new JavaSparkContext(conf);
        final Accumulator<String> sessionAggrStatAccumulator = sc.accumulator(
                "", new SessionAggrStatAccumulator());
        List<Long> seq= new ArrayList<Long>();
        for (int i = 0; i < 1000; i++) {
            seq.add(Long.valueOf((int) (Math.random() * 1000)));
        }
        JavaRDD<Long> rdd=sc.parallelize(seq);
        //必须用RDD执行
        rdd.foreach(new VoidFunction<Long>() {
            public void call(Long aLong) throws Exception {
                sessionAggrStatAccumulator.add(Constants.SESSION_COUNT);
                calculateVisitLength(aLong);
                calculateStepLength(aLong);
            }
            /**
             * 计算访问时长范围
             * @param visitLength
             */
            private void calculateVisitLength(long visitLength) {
                if (visitLength >= 1 && visitLength <= 3) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_1s_3s);
                } else if (visitLength >= 4 && visitLength <= 6) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_4s_6s);
                } else if (visitLength >= 7 && visitLength <= 9) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_7s_9s);
                } else if (visitLength >= 10 && visitLength <= 30) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_10s_30s);
                } else if (visitLength > 30 && visitLength <= 60) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_30s_60s);
                } else if (visitLength > 60 && visitLength <= 180) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_1m_3m);
                } else if (visitLength > 180 && visitLength <= 600) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_3m_10m);
                } else if (visitLength > 600 && visitLength <= 1800) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_10m_30m);
                } else if (visitLength > 1800) {
                    sessionAggrStatAccumulator.add(Constants.TIME_PERIOD_30m);
                }
            }

            /**
             * 计算访问步长范围
             * @param stepLength
             */
            private  void calculateStepLength(long stepLength) {
                if (stepLength >= 1 && stepLength <= 3) {
                    sessionAggrStatAccumulator.add(Constants.STEP_PERIOD_1_3);
                } else if (stepLength >= 4 && stepLength <= 6) {
                    sessionAggrStatAccumulator.add(Constants.STEP_PERIOD_4_6);
                } else if (stepLength >= 7 && stepLength <= 9) {
                    sessionAggrStatAccumulator.add(Constants.STEP_PERIOD_7_9);
                } else if (stepLength >= 10 && stepLength <= 30) {
                    sessionAggrStatAccumulator.add(Constants.STEP_PERIOD_10_30);
                } else if (stepLength > 30 && stepLength <= 60) {
                    sessionAggrStatAccumulator.add(Constants.STEP_PERIOD_30_60);
                } else if (stepLength > 60) {
                    sessionAggrStatAccumulator.add(Constants.STEP_PERIOD_60);
                }
            }
        });
        System.out.println("accumuletor2:"+sessionAggrStatAccumulator.value());
    }

}