Spark Stream 实战
来源:互联网 发布:手机淘宝店铺首页群聊 编辑:程序博客网 时间:2024/06/05 14:09
1.Spark Streaming on HDFS
2.Spark Streaming On HDFS 源码解析
import java.util.Arrays;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.Duration;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 org.apache.spark.streaming.api.java.JavaStreamingContextFactory;import scala.Tuple2;public class SparkStreamingOnHDFS { public static void main(String[] args) { /* * 第一步:配置SparkConf: * 1,至少2条线程:因为Spark Streaming应用程序在运行的时候,至少有一条 * 线程用于不断的循环接收数据,并且至少有一条线程用于处理接受的数据(否则的话无法 * 有线程用于处理数据,随着时间的推移,内存和磁盘都会不堪重负); * 2,对于集群而言,每个Executor一般肯定不止一个Thread,那对于处理Spark Streaming的 * 应用程序而言,每个Executor一般分配多少Core比较合适?根据我们过去的经验,5个左右的 * Core是最佳的(一个段子分配为奇数个Core表现最佳,例如3个、5个、7个Core等); */ /*SparkConf conf = new SparkConf().setMaster("local[2]"). setAppName("WordCountOnline");*/ final SparkConf conf = new SparkConf().setMaster("local[2]"). setAppName("SparkStreamingOnHDFS"); /* * 第二步:创建SparkStreamingContext: * 1,这个是SparkStreaming应用程序所有功能的起始点和程序调度的核心 * SparkStreamingContext的构建可以基于SparkConf参数,也可基于持久化的SparkStreamingContext的内容 * 来恢复过来(典型的场景是Driver崩溃后重新启动,由于Spark Streaming具有连续7*24小时不间断运行的特征, * 所有需要在Driver重新启动后继续上衣系的状态,此时的状态恢复需要基于曾经的Checkpoint); * 2,在一个Spark Streaming应用程序中可以创建若干个SparkStreamingContext对象,使用下一个SparkStreamingContext * 之前需要把前面正在运行的SparkStreamingContext对象关闭掉,由此,我们获得一个重大的启发SparkStreaming框架也只是 * Spark Core上的一个应用程序而已,只不过Spark Streaming框架箱运行的话需要Spark工程师写业务逻辑处理代码; */// JavaStreamingContext jsc = new JavaStreamingContext(conf, Durations.seconds(5)); final String checkpointDirectory = "hdfs://master:9000/streaming/checkpointPath"; //JavaStreamingContextFactory factory = () -> createContext(checkpointDirectory, conf); /** * 可以从失败中回复Driver,不过还需要制定Driver这个进程运行在Cluster,并且提交应用程序的时候制定--supervise; */ JavaStreamingContext jsc = new JavaStreamingContext(conf, new Duration(5000)); /* * 第三步:创建Spark Streaming输入数据来源input Stream: * 1,数据输入来源可以基于File、HDFS、Flume、Kafka、Socket等 * 2, 在这里我们指定数据来源于网络Socket端口,Spark Streaming连接上该端口并在运行的时候一直监听该端口 * 的数据(当然该端口服务首先必须存在),并且在后续会根据业务需要不断的有数据产生(当然对于Spark Streaming * 应用程序的运行而言,有无数据其处理流程都是一样的); * 3,如果经常在每间隔5秒钟没有数据的话不断的启动空的Job其实是会造成调度资源的浪费,因为并没有数据需要发生计算,所以 * 实例的企业级生成环境的代码在具体提交Job前会判断是否有数据,如果没有的话就不再提交Job; * 4,此处没有Receiver,SparkStreaming应用程序只是按照时间间隔监控目录下每个Batch新增的内容(把新增的)作为RDD的数据来源生产原始RDD */ JavaDStream lines = jsc.textFileStream("file:///D:\\work\\admin\\src\\main\\java\\com\\zy\\bean\\bus\\"); /* * 第四步:接下来就像对于RDD编程一样基于DStream进行编程!!!原因是DStream是RDD产生的模板(或者说类),在Spark Streaming具体 * 发生计算前,其实质是把每个Batch的DStream的操作翻译成为对RDD的操作!!! *对初始的DStream进行Transformation级别的处理,例如map、filter等高阶函数等的编程,来进行具体的数据计算 * 第4.1步:讲每一行的字符串拆分成单个的单词 */ JavaDStream<String> words = lines.flatMap((FlatMapFunction<String, String>) line -> Arrays.asList(line.split(" "))); /* * 第四步:对初始的DStream进行Transformation级别的处理,例如map、filter等高阶函数等的编程,来进行具体的数据计算 * 第4.2步:在单词拆分的基础上对每个单词实例计数为1,也就是word => (word, 1) */ JavaPairDStream<String, Integer> pairs = words.mapToPair((PairFunction<String, String, Integer>) word -> new Tuple2<>(word, 1)); /* * 第四步:对初始的DStream进行Transformation级别的处理,例如map、filter等高阶函数等的编程,来进行具体的数据计算 * 第4.3步:在每个单词实例计数为1基础之上统计每个单词在文件中出现的总次数 */ JavaPairDStream<String, Integer> wordsCount = pairs.reduceByKey((Function2<Integer, Integer, Integer>) (v1, v2) -> v1 + v2); /* * 此处的print并不会直接出发Job的执行,因为现在的一切都是在Spark Streaming框架的控制之下的,对于Spark Streaming * 而言具体是否触发真正的Job运行是基于设置的Duration时间间隔的 * * 诸位一定要注意的是Spark Streaming应用程序要想执行具体的Job,对Dtream就必须有output Stream操作, * output Stream有很多类型的函数触发,类print、saveAsTextFile、saveAsHadoopFiles等,最为重要的一个 * 方法是foraeachRDD,因为Spark Streaming处理的结果一般都会放在Redis、DB、DashBoard等上面,foreachRDD * 主要就是用用来完成这些功能的,而且可以随意的自定义具体数据到底放在哪里!!! * */ wordsCount.print(); /* * Spark Streaming执行引擎也就是Driver开始运行,Driver启动的时候是位于一条新的线程中的,当然其内部有消息循环体,用于 * 接受应用程序本身或者Executor中的消息; */ jsc.start(); jsc.awaitTermination(); jsc.close(); } private static JavaStreamingContext createContext( String checkpointDirectory,SparkConf conf) { // If you do not see this printed, that means the StreamingContext has been loaded // from the new checkpoint System.out.println("Creating new context"); SparkConf sparkConf = conf; // Create the context with a 1 second batch size JavaStreamingContext ssc = new JavaStreamingContext(sparkConf, Durations.seconds(15)); //ssc.checkpoint(checkpointDirectory); return ssc; }}
0 0
- Spark Stream 实战
- spark stream初探
- spark stream JavaKafkaWordCount
- Spark Stream 简单例子
- Java8-Stream使用实战
- Spark实战
- Spark Stream 教程
- Spark-stream 主动poll数据
- Node.js Stream - 实战篇
- spark中stream编程指导(一)
- spark中stream编程指导(二)
- spark stream中的dstream对象saveAsTextFiles问题
- 基于HDFS,Spark Stream的实时统计
- spark stream上创建对象实例
- Kafka + spark stream +redis (createStream + createDirectStream)
- spark架构实战
- 实战Scala & Spark (1)
- 实战Scala & Spark (2)
- CoreData的简单使用
- #java读书笔记#集合框架3
- shell中的IFS和$*变量
- 大小端字节序
- GitHub--hello world
- Spark Stream 实战
- 操作整数-bfs的优化剪枝
- 使用emacs进行时间管理(2)——基本任务管理[转]
- The Responder Chain(响应者链)
- BRIEF
- Cappella分布式文件系统安装文档
- elk之磁盘写入性能
- JZOJ.4300[NOIP2015模拟11.3]装饰大楼 解题报告
- R语言︱基本函数、统计量、常用操作函数