九、sparkStream的scala示例

简介

sparkStream官网：http://spark.apache.org/docs/latest/streaming-programming-guide.html#overview

sparkStream是构建在spark core之上的实时流处理框架，它支持很多的数据源，如：

你可以从kafka等各种数据源中实时获取数据流，然后经过spark计算，持久化或者实时的dashBoard展示。

sparkStream的实时计算其实也可以称为微批处理计算，它将数据流按照一定的时间段分割成小批的数据，然后将对数据流的操作转换为对RDD的操作，整个流计算的中间结果进行叠加存储到内存或者外部设备，如图：

代码示例

下面将使用tcp socket作为数据源，每隔1秒钟发送字符数据。sparkstream将在启动以后，将收集10秒的数据作为一个批数据进行统计处理，代码如下：

import java.net.ServerSocket

import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}

/**
  * @Description sparkStream demo
  * @Author lay
  * @Date 2018/12/08 21:43
  */
object SparkStreamDemo {
  var conf: SparkConf = _
  var sc: SparkContext = _
  var ssc: StreamingContext = _

  def init(): Unit = {
    conf = new SparkConf().setAppName("spark stream demo").setMaster("local[2]")
    sc = new SparkContext(conf)
    sc.setLogLevel("warn")
    // 时间片为10秒钟
    ssc = new StreamingContext(sc, Seconds(10))
  }

  def main(args: Array[String]): Unit = {
    // 初始化socket流
    initSocketStream()
    // 初始化SparkStream
    init()
    // 从socket获取DStream
    val lines = ssc.socketTextStream("localhost", 8888)
    // 统计字数
    val wordCount = lines.flatMap(x => x.split(" ")).map(x => (x, 1)).reduceByKey(_+_)
    // 打印结果
    wordCount.print()
    // 启动
    ssc.start()
    println("spark stream started")
  }

  def initSocketStream(): Unit = {
    new Thread(new Runnable {
      override def run(): Unit = {
        val serverSocket = new ServerSocket(8888)
        val socket = serverSocket.accept()
        println("accepted")
        for (i <- 1 to 10) {
          val text = "what is this
"
          socket.getOutputStream.write(text.getBytes("utf-8"))
          Thread.sleep(1000)
        }
        println("waiting")
        Thread.sleep(50000)
        socket.close()
        serverSocket.close()
        println("closed")
      }
    }).start()
    println("thread started")
  }
}

注意：

1）这里的master设置为"local[2]"，是因为spark起码需要两个线程，一个线程用来接收数据，另一个线程用来处理数据。

 2）"what is this "这里加了一个' '字符，是因为字节流的接收将会以这个字符作为分隔符。

你会看到类似如下的打印：

-------------------------------------------
Time: 1544281700000 ms
-------------------------------------------
(this,10)
(is,10)
(what,10)