欢迎您访问365答案网,请分享给你的朋友!
生活常识 学习资料

SparkStreaming状态操作和滑动窗口

时间:2023-06-20
SparkStreaming状态操作和滑动窗口

​ Spark是以采集周期处理数据,可以做到秒级。因此统计的是当前周期的数据汇总,但有些场景我们需要统计累加数据,例如:当天登录人数累加,当天某个广告的点击量累计,按小时统计首次登录人数等。这里我们需要用到以前周期的数据,因此我们需要将周期内的统计结果保存起来,用于下个周期使用。其实,我们自己也可以使用Redis缓存类工具做手动保存。这里SparkStreaming提供了状态维持的方法,便于操作,简单易用。

1、UpdateStateByKey

​ UpdateStateByKey 原语用于记录历史记录,有时,我们需要在 DStream 中跨批次维护状态(例如流计算中累加 wordcount)。针对这种情况,updateStateByKey()为我们提供了对一个状态变量的访问,用于键值对形式的 DStream。给定一个由(键,事件)对构成的 DStream,并传递一个指定如何根据新的事件更新每个键对应状态的函数,它可以构建出一个新的 DStream,其内部数据为(键,状态) 对。

案例:这里用状态维持,实现累计词频统计,数据源采用kafka数据源。

核心代码:

package cn.streaming.status.keepimport java.utilimport cn.streaming.kafkaStream.MyKafkaUtilimport org.apache.kafka.clients.consumer.ConsumerRecordimport org.apache.spark.SparkConfimport org.apache.spark.streaming.dstream.{DStream, InputDStream}import org.apache.spark.streaming.{Seconds, StreamingContext}object AcculumateWordCount { def main(args: Array[String]): Unit = { val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("acc_wo") val ssc = new StreamingContext(conf, Seconds(3)) // 使用状态操作必须使用检查点 ssc.checkpoint("./acc") val topics: util.List[String] = util.Arrays.asList("acc_wo") val kfkstream: InputDStream[ConsumerRecord[String, String]] = MyKafkaUtil.getKafkaStream(ssc, topics) val words: DStream[(String, Int)] = kfkstream.map(_.value()).flatMap(_.split(" ")).map(x => (x, 1)) // 使用状态方法 val rec: DStream[(String, Int)] = words.updateStateByKey( (seq: Seq[Int], buff: Option[Int]) => { // seq:表示当前数据中,某个相同key的value的集合 // buff:表示缓冲区中,该key的value值 val newcount = seq.sum + buff.getOrElse(0) Option(newcount) }) // 控制台输出 rec.print() ssc.start() ssc.awaitTermination() }}

启动主程序

启动kafka生产者并发送数据

可以看出,数据被累计统计了

2、WindowOperations

滑动窗口操作。我们可以统计多个采集周期的数据总量,然后将窗口向后滑动

通过滑动窗口,可以统计单个小时区间内的数据总量。

这里还是以词频统计为案例

实例代码:

package cn.streaming.status.windowimport java.utilimport cn.streaming.kafkaStream.MyKafkaUtilimport org.apache.kafka.clients.consumer.ConsumerRecordimport org.apache.spark.SparkConfimport org.apache.spark.streaming.{Seconds, StreamingContext}import org.apache.spark.streaming.dstream.{DStream, InputDStream}object AcculumateWordcountWindow { def main(args: Array[String]): Unit = { val conf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("acc_wo") val ssc = new StreamingContext(conf, Seconds(3)) // 使用状态操作必须使用检查点 ssc.checkpoint("./acc") val topics: util.List[String] = util.Arrays.asList("acc_wo") val kfkstream: InputDStream[ConsumerRecord[String, String]] = MyKafkaUtil.getKafkaStream(ssc, topics) val words: DStream[(String, Int)] = kfkstream.map(_.value()).flatMap(_.split(" ")).map((_, 1)) // 使用滑动窗口 val rec: DStream[(String, Int)] = words.reduceByKeyAndWindow((x:Int, y:Int) => (x + y), Seconds(12), Seconds(12) rec.print() ssc.start() ssc.awaitTermination() }}

启动测试:

可以看出,这里已经是滑动采集。

Copyright © 2016-2020 www.365daan.com All Rights Reserved. 365答案网 版权所有 备案号:

部分内容来自互联网,版权归原作者所有,如有冒犯请联系我们,我们将在三个工作时内妥善处理。