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());    }}