SparkStreming之updateStateByKey

正文

　　上一篇简单的写了一个socketTextStream的demo，这个问题就是每一次不能将之前和之后的数据进行合并统一。接下来我们通过demo进行把着这个问题解决。

　　

  val conf = new SparkConf().setMaster("local[2]").setAppName("updateState")
  val sc: StreamingContext = new StreamingContext(conf, Seconds(2))

  sc.checkpoint("hdfs://hadoop01:9000/streamcp")
  val textStream: ReceiverInputDStream[String] = sc.socketTextStream("hadoop01", 9999)
  val map: DStream[(String, Int)] = textStream.flatMap(_.split(",")).map((_, 1))

  //目的在于将当前读取到的和上一次读取到的一样的key合并
  val dStream = map.updateStateByKey((value: Seq[Int], state: Option[Int]) => {
    //计算key此次出现的个数
    val currentCount = value.sum
    //上一次结果
    val lastCount = state.getOrElse(0)
    //因为看源码返回结果是Option[S]，结果不是None就是Some，但是我们现在处理了所以只有Some即可
    Some(currentCount + lastCount)
  })

  dStream.print()

  sc.start()
  sc.awaitTermination()
  sc.stop()
}
　　　

 　　通过代码中的注释已经算是对这个方法的解释了，因为他可以拿到上一个计算结果，同时能读到当前数据，进行合并就显得简单的多了sc.checkpoint("hdfs://hadoop01:9000/streamcp")此目的是为了搭配updateStateBykey使用，如果不加则会报错提示缺少checkpoint，我们创建了也会在hdfs的目录中看到这个节点，同时这个节点下会生产文件数据。

　　

　　这是在运行程序后不停的去checkpoint的数据，如下红色框中是此程序输入的内容

　　

　　然后我们的代码运行结果如下，可以看出来，每次输入的结果已经可以汇总出来。

　　

　　　　　　　　　　　　 　　　　　　　　Read more books, read good books