069 在SparkStreaming的窗口分析

一：说明

1.图例说明

　　

　　-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

　　

2.对比说明

　　DStream:
　　　　batchInterval: 批次产生间隔时间
　　Window DStream:
　　　　windowInterval: 窗口间隔时间， 必须是父DStream的batchInterval的倍数(k >= 1, 整数)
　　　　slideInterval：窗口滑动间隔时间， 必须是父DStream的batchInterval的倍数(k >= 1, 整数)

3.API

　　使用CTRL+F3，可以参考这篇文档的快捷键：https://blog.csdn.net/qq_36901488/article/details/80704245

　　

二：程序

1.程序

package com.window.it
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.{Seconds, State, StateSpec, StreamingContext}
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.kafka.KafkaUtils

object ReduceWindow {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf()
      .setAppName("StreamingWindowOfKafka")
      .setMaster("local[*]")
    val sc = SparkContext.getOrCreate(conf)
    val ssc = new StreamingContext(sc, Seconds(5))
    // 当调用updateStateByKey函数API的时候，必须给定checkpoint dir
    // 路径对应的文件夹不能存在
    ssc.checkpoint("hdfs://linux-hadoop01.ibeifeng.com:8020/beifeng/spark/streaming/452512")

    val kafkaParams = Map(
      "group.id" -> "streaming-kafka-78912151",
      "zookeeper.connect" -> "linux-hadoop01.ibeifeng.com:2181/kafka",
      "auto.offset.reset" -> "smallest"
    )
    val topics = Map("beifeng" -> 4) // topics中value是读取数据的线程数量，所以必须大于等于1
    val dstream = KafkaUtils.createStream[String, String, kafka.serializer.StringDecoder, kafka.serializer.StringDecoder](
      ssc, // 给定SparkStreaming上下文
      kafkaParams, // 给定连接kafka的参数信息 ===> 通过Kafka HighLevelConsumerAPI连接
      topics, // 给定读取对应topic的名称以及读取数据的线程数量
      StorageLevel.MEMORY_AND_DISK_2 // 指定数据接收器接收到kafka的数据后保存的存储级别
    ).map(_._2)

    val resultWordCount = dstream
      .filter(line => line.nonEmpty)
      .flatMap(line => line.split(" ").map((_, 1)))
      .reduceByKeyAndWindow(
        (a: Int, b: Int) => a + b,
        Seconds(15), // 窗口大小
        Seconds(10) // 滑动大小
      )
    resultWordCount.print() // 这个也是打印数据
    
    // 启动开始处理
    ssc.start()
    ssc.awaitTermination() // 等等结束，监控一个线程的中断操作
  }
}

2.效果

　　这里主要看的是页面的DAG。