为了搞清楚Spark Streaming处理数据流,改造了以有的例子来进行测试数据在Spark内部的流向。
package org.apache.spark.examples.streaming; import java.util.LinkedList; import java.util.List; import java.util.Queue; import scala.Tuple2; import com.google.common.collect.Lists; import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.function.Function2; import org.apache.spark.api.java.function.PairFunction; import org.apache.spark.examples.streaming.StreamingExamples; import org.apache.spark.streaming.Duration; import org.apache.spark.streaming.api.java.JavaDStream; import org.apache.spark.streaming.api.java.JavaPairDStream; import org.apache.spark.streaming.api.java.JavaStreamingContext; public final class JavaQueueStream { private JavaQueueStream() { } public static void main(String[] args) throws Exception { StreamingExamples.setStreamingLogLevels(); SparkConf sparkConf = new SparkConf().setAppName("JavaQueueStream"); // Create the context JavaStreamingContext ssc = new JavaStreamingContext(sparkConf, new Duration(1000)); // Create the queue through which RDDs can be pushed to // a QueueInputDStream Queue<JavaRDD<Integer>> rddQueue = new LinkedList<JavaRDD<Integer>>(); // Create and push some RDDs into the queue List<Integer> list = Lists.newArrayList(); for (int i = 0; i < 10; i++) { list.add(i); } rddQueue.add(ssc.sparkContext().parallelize(list)); /* for (int i = 0; i <5; i++) { for(int j=0;j<i;j++){ list.remove(j); } rddQueue.add(ssc.sparkContext().parallelize(list)); } */ // Create the QueueInputDStream and use it do some processing JavaDStream<Integer> inputStream = ssc.queueStream(rddQueue); //new PairFunction<Integer, Integer, Integer> 第一个参数为Call中的参数类型,第二个和第三个为Tupe2中的Key Value //JavaPairDStream<Integer, Integer> 是Tupe2的返回类型 JavaPairDStream<Integer, Integer> mappedStream = inputStream.mapToPair( new PairFunction<Integer, Integer, Integer>() { @Override public Tuple2<Integer, Integer> call(Integer i) { if(i==3 ){ i=5; }else if(i%2==0){ i=2; } return new Tuple2<Integer, Integer>(i, 1); } }); //Function2<T1,T2,R> JavaPairDStream<Integer, Integer> reducedStream = mappedStream.reduceByKey( new Function2<Integer, Integer, Integer>() { @Override public Integer call(Integer i1, Integer i2) { System.out.println(i1+"====&===="+i2); return i1+i2; } }); System.out.println("==================================================begin"); reducedStream.print(); System.out.println("==================================================end"); ssc.start(); ssc.awaitTermination(); } }
测试结果1:
==================================================begin ==================================================end 14/08/28 09:58:04 WARN SizeEstimator: Failed to check whether UseCompressedOops is set; assuming yes 1====&====1 2====&====1 1====&====1 3====&====1 4====&====1 ------------------------------------------- Time: 1409245080000 ms ------------------------------------------- (1,1) (7,1) (9,1) (5,2) (2,5) ------------------------------------------- Time: 1409245081000 ms ------------------------------------------- ------------------------------------------- Time: 1409245082000 ms -------------------------------------------
/*测试结果2( return new Tuple2<Integer, Integer>(i, 1)代码 改为return new Tuple2<Integer, Integer>(i, 10)) 为了测试为什么(1,1)(9,1)等的数据为什么在Reduce里不打印出来*/ ==================================================begin ==================================================end 14/08/28 10:05:55 WARN SizeEstimator: Failed to check whether UseCompressedOops is set; assuming yes 10====&====10 20====&====10 10====&====10 30====&====10 40====&====10 ------------------------------------------- Time: 1409245552000 ms ------------------------------------------- (1,10) (7,10) (9,10) (5,20) (2,50)
针对1进行数据流分析:
相关推荐
`SparkStreaming.zip` 文件可能包含了一个示例项目,演示了如何创建一个 Spark Streaming 应用来从 Kafka 消费数据。代码通常会包含以下步骤: 1. 创建 SparkConf 对象,配置 Spark 应用的属性,如应用程序名称、...
Spark Streaming是中国大数据技术领域中广泛使用的实时数据处理框架,它基于Apache Spark的核心设计,提供了对持续数据流的微批处理能力。本项目实战旨在帮助读者深入理解和应用Spark Streaming,通过实际操作来掌握...
Spark Streaming将数据流分割成一系列小批量的数据块进行处理,这种机制使得Spark Streaming既能够处理实时数据流,又能利用Spark的核心API进行复杂的数据处理。 #### 2. Kafka简介 Apache Kafka是一种分布式的发布...
这种方式使得Spark Streaming能够利用Spark的强大处理能力来处理实时数据流,同时也保持了Spark的灵活性和可扩展性。 ##### 2. 三种运用场景 - **实时分析**:如实时日志分析、社交网络数据的实时分析等。 - **流式...
Spark Streaming则提供了基于微批处理的实时计算框架,能够高效地处理持续的数据流;而HBase作为分布式列式数据库,适合存储海量结构化半结构化数据。这三者之间的集成,使得实时数据流能够被快速处理并持久化存储。...
SparkStreaming是Apache Spark的一个模块,专门用于实时数据流处理。在本篇中,我们将深入探讨如何使用SparkStreaming创建DStream(Discretized Stream),并实现一个简单的WordCount应用。 DStream是Spark...
Spark Streaming 是 Apache Spark 项目中的一个模块,专为实时数据流处理设计。它提供了一个高级抽象,使得开发人员能够轻松构建可扩展且容错的流处理应用。Spark Streaming 支持多种数据输入源,如 Kafka、Flume、...
3. Spark Streaming在京东的应用场景:京东作为国内大型电商平台,每日需要处理海量的用户数据流和交易数据流。文档可能会介绍Spark Streaming如何在京东的项目中得到应用,比如实时数据处理、实时分析、实时推荐等...
Spark Streaming是Apache Spark框架的一个模块,专门用于处理实时数据流。它提供了一个高级抽象,使得开发人员能够轻松地处理持续的数据流,同时保持Spark核心的弹性、容错性和高吞吐量特性。Spark Streaming通过将...
SparkStreaming是Apache Spark项目的一部分,专门设计用于处理实时数据流。在大数据领域,随着实时分析需求的增加,传统的离线批处理工具如MapReduce已经无法满足实时性要求。SparkStreaming填补了这一空缺,它提供...
这种方式使得 Spark Streaming 能够利用 Spark 的核心引擎来高效地处理大规模数据流。 Spark Streaming 支持多种数据源,包括但不限于 Kafka、Flume、Twitter 和 ZeroMQ 等。数据处理完成后,结果可以保存到 HDFS、...
- Kafka作为一个消息代理,接收并暂存Flume发送的日志数据,同时将数据分发给多个消费者,例如Spark Streaming实例。 - Spark Streaming接收Kafka中的日志数据批次,对其进行实时处理,如统计、过滤或异常检测。 ...
- **`window`**:允许用户定义一个时间窗口,从而处理连续的数据流。 - **`reduceByWindow`**:在指定的时间窗口内聚合数据,通常用于实现滑动窗口统计。 #### 正常操作 在Spark Streaming中,可以设置接收数据的...
- Spark Streaming是Apache Spark的一个组件,提供强大的流处理能力,支持对连续数据流进行微批处理。 - 它将时间窗口划分为小批次(DStream),允许对实时数据进行近实时的分析,具有高吞吐量和容错性。 - Spark...
Spark Streaming是Apache Spark生态系统中的一个重要组成部分,主要用于处理实时数据流。其核心能力在于能够提供高吞吐量与容错机制,适用于大规模实时数据处理场景。 #### Spark Streaming核心概念 **1. DStream...
Spark Streaming是Apache Spark项目的一部分,它提供了实时数据流处理的能力,而Kafka是一个分布式流处理平台,用于构建实时数据管道和流应用。本压缩包"spark-streaming-kafka.rar"包含了在Spark 3.0.0版本中与...
本节介绍如何编写 Spark Streaming 应用程序,由简到难讲解使用几个核心概念来解决实际应用问题。 流数据模拟器 在实例演示中模拟实际情况,需要源源不断地接入流数据,为了在演示过程中更接近真实环境,首先需要...
5. **Spark Streaming**:Spark Streaming处理实时数据流,它可以接收来自多种源的数据,并以微批处理的方式进行处理,实现低延迟的实时分析。 6. **MLlib**:MLlib是Spark的机器学习库,包含了各种机器学习算法如...