`
ganliang13
  • 浏览: 251670 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

spark streaming JavaQueueStream实例改造测试数据流

阅读更多

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:

   

  • 大小: 1.1 MB
分享到:
评论

相关推荐

    Spark Streaming 示例

    `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实时流处理项目实战.rar.rar

    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...

    SparkStreaming和kafka的整合.pdf

    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...

    06Spark Streaming原理和实践

    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...

    Kafka集成Spark Streaming并写入数据到HBase

    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篇02】SparkStreaming之Dstream创建1

    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...

    03_尚硅谷大数据技术之SparkStreaming1

    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、...

    spark streaming 大型电商 项目实战

    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...

    基于spark streaming和kafka,hbase的日志统计分析系统.zip

    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

    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...

    Spark Streaming解析

    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、...

    基于Spark Streaming + Kafka + Flume 实现的日志收集处理系统.zip

    - 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。 ...

    sparkStreaming实战学习资料

    - **`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...

    计算机课程毕设:基于spark streaming和kafka,hbase的日志统计分析系统.zip

    - 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编程指南.docx

    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-kafka.rar

    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...

    Spark Streaming编程实战(开发实例)

    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...

    Spark大数据实例开发教程-书签-完整版

    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...

Global site tag (gtag.js) - Google Analytics