開始前的準備
1.因為我們等會要在linux建立一個socket,然後不停的讀入資料,是以首先在linux上開啟一個虛拟機,然後啟動一個端口,指令:nc -lk 9999,此時就建立了一個端口是9999的程序,可以在控制台輸入資料了,如果提示你nc狀态不支援,需要安裝nc,指令是:yum install nc
2.配置hosts檔案,使能夠根據主機名進行通路。
實際操作的代碼如下:
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import scala.Tuple2;
import java.util.Arrays;
import java.util.Iterator;
public class SparkStreamingTest {
public static void main(String[] args) throws Exception{
SparkConf conf = new SparkConf().setMaster("local[2]").setAppName("SparkStreamingTest");
JavaSparkContext sc = new JavaSparkContext(conf);
JavaStreamingContext jsc = new JavaStreamingContext(sc, Durations.seconds(5));
JavaReceiverInputDStream<String> inputDStream = jsc.socketTextStream("mini1", 9999);
JavaDStream<String> words = inputDStream.flatMap(new FlatMapFunction<String, String>() {
@Override
public Iterator<String> call(String line) throws Exception {
return Arrays.asList(line.split(" ")).iterator();
}
});
JavaPairDStream<String, Integer> wordMapToPair = words.mapToPair(new PairFunction<String, String, Integer>() {
@Override
public Tuple2<String, Integer> call(String word) throws Exception {
return new Tuple2<>(word, 1);
}
});
JavaPairDStream<String, Integer> dStreamByKey = wordMapToPair.reduceByKey(new Function2<Integer, Integer, Integer>() {
@Override
public Integer call(Integer v1, Integer v2) throws Exception {
return v1 + v2;
}
});
//dStreamByKey.print(1000);
dStreamByKey.foreachRDD(new VoidFunction<JavaPairRDD<String, Integer>>() {
@Override
public void call(JavaPairRDD<String, Integer> rdd) throws Exception {
//這段代碼是在driver端執行
JavaPairRDD<String, Integer> pairRDD = rdd.mapToPair(new PairFunction<Tuple2<String, Integer>, String, Integer>() {
@Override
public Tuple2<String, Integer> call(Tuple2<String, Integer> tuple2) throws Exception {
return new Tuple2<>(tuple2._1 + "~", tuple2._2);
}
});
//必須得有action算子觸發上面的代碼才能執行
pairRDD.foreach(new VoidFunction<Tuple2<String, Integer>>() {
@Override
public void call(Tuple2<String, Integer> tuple2) throws Exception {
System.out.println(tuple2);
}
});
}
});
//開始監聽,
jsc.start();
jsc.awaitTermination();
//在這裡這段代碼不會停止,即程式會一直執行
jsc.stop();
}
}
注意點:
1、local的模拟線程數必須大于等于2 因為一條線程被receiver(接受資料的線程)占用,另外一個線程是job執行
2、Durations時間的設定,就是我們能接受的延遲度,這個我們需要根據叢集的資源情況以及監控每一個job的執行時間來調節出最佳時間。
3、 建立JavaStreamingContext有兩種方式 (sparkconf、sparkcontext)
4、業務邏輯完成後,需要有一個output operator
5、JavaStreamingContext.start()straming架構啟動之後是不能在次添加業務邏輯
6、JavaStreamingContext.stop()無參的stop方法會将sparkContext一同關閉,stop(false) ,預設為true,會一同關閉
7、JavaStreamingContext.stop()停止之後是不能在調用start