• spark streamming的有状态计算


    用spark streamming统计单词数量时,reduceBykey只会统计局部的单词数量,每个batch的每个单词的数量,而不能统计每个key所有value值。

    所以想要统计全局key的value值,就必须加入有状态计算updataStatusBykey,更新每一个key的状态。

    在计算单词数量前,对spark streamming做checkpoint操作,目的时把之前batch的计算结果保存在checkpoint目录中。

     1 object Demo02updataStateByKey {
     2   def main(args: Array[String]): Unit = {
     3 
     4     val conf = new SparkConf().setAppName("Demo02updataStateByKey").setMaster("local[2]")
     5 
     6     val sc = new SparkContext(conf)
     7 
     8 
     9     val ssc = new StreamingContext(sc, Durations.seconds(6))
    10 
    11 //    设置checkpoint的路径,hdfs路径
    12     ssc.checkpoint("/spark/data/wc")
    13 
    14     //    创建实时DStream
    15     val linesDS: DStream[String] = ssc.socketTextStream("master", 8888)
    16 
    17     val kvDS: DStream[(String, Int)] = linesDS
    18       .flatMap(_.split(","))
    19       .map((_, 1))
    20 
    21     /**
    22       * 有状态计算
    23       * reduceByKey 只能进行局部统计
    24       *
    25       * 使用updataStateByKey  更新每一个key的状态
    26       *
    27       */
    28 
    29     def updataValue(seq: Seq[Int], count: Option[Int]): Option[Int] = {
    30       //获取之前统计的结果
    31       val last = count.getOrElse(0)
    32       //获取当前batch单词取得的结果
    33       val now = seq.sum
    34 
    35       //更新之后的状态
    36       Option(now + last)
    37     }
    38 
    39     //  累加统计单词数量
    40     val countDS: DStream[(String, Int)] = kvDS.updateStateByKey(updataValue)
    41 
    42     countDS.print()
    43 
    44     ssc.start()
    45     ssc.awaitTermination()
    46     ssc.stop()
    47   }
    48 }
  • 相关阅读:
    gazebo自建小车备忘
    关于hokuyo的一些参数的备忘
    xenserver加入池报错The servers in this pool are not homogeneous
    exchange管理控制台初始化失败--Kerberos连接失败
    修复windows系统更新失败
    powershell同步时间
    powershell创建密文密码文件
    powershell常用命令
    Graylog客户端及服务端
    powershell,cmd,shell查看帮助
  • 原文地址:https://www.cnblogs.com/zzzzrrrr/p/13081289.html
Copyright © 2020-2023  润新知