Spark Streaming（一）——入门

1、概叙

1.Spark Streaming是什么

Spark Streaming用于流式数据处理，是准实时的数据处理可以允许秒级别的延迟。

2.特点

易用容错易整合到spark体系

3.架构

2、DStream入门

1、WordCount实操案例

1.需求：

使用 netcat 工具向 9999 端口不断的发送数据，通过 SparkStreaming 读取端口数据并统

计不同单词出现的次数

2.添加依赖

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-streaming_2.12</artifactId>
    <version>3.1.2</version>
</dependency>

3.编写代码

package com.zch.spark.streaming

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

/**
 * Author: zhaoHui
 * Date: 2022/01/03
 * Time: 16:43
 * Description: Spark Streaming 入门实操案例
 */
object sparkStreaming01_WordCount {
  def main(args: Array[String]): Unit = {

    // TODO 创建环境对象
    // StreamingContext创建时，需要设置两个参数
    // 第一个参数表示环境配置
    val sparkConf = new SparkConf()
      .setMaster("local[*]")
      .setAppName("SparkStreaming")

    // 第二个参数表示批处理的周期（采集周期）
    val ssc = new StreamingContext(sparkConf,Seconds(3));

    // TODO 逻辑处理
    // 获取端口数据
    val lines: ReceiverInputDStream[String] = ssc.socketTextStream("localhost", 9999)
    lines.flatMap(_.split(" "))
      .map((_,1))
      .reduceByKey(_+_)
      .print()

    // TODO 关闭环境
    // 由于SparkStreaming采集器是长期执行任务的，所以不能直接关闭
    // main执行完毕，应用程序会自动结束，所以不能让main执行结束
    //ssc.stop()
    // 1、启动采集器
    ssc.start()
    // 2、等待采集器关闭
    ssc.awaitTermination()
  }

}

4.启动netcat发送数据

0 条评论