当前位置:   article > 正文

Spark Streaming基础案例实现_使用套接字流作为数据源

使用套接字流作为数据源

文件流

在文件流的应用场景中,需要编写Spark Streaming 程序,一直对文件系统的某个目录进行监听,一旦发现有新的文件生成,
Spark Streaming就会自动把文件内容读取过来,使用用户自定义的处理逻辑进行处理

套接字

Spark Streaming可以通过Socket端口监听并接收数据,然后进行相应的处理

一、在spark-shell中创建文件流

1、创建一个目录 logfile

cd /usr/local/spark/mycode
mkdir streaming
cd streaming
mkdir logfile
  • 1
  • 2
  • 3
  • 4

2、在另一个终端进入spark-shell,依次输入以下语句

scala> import org.apache.spark.streaming._
import org.apache.spark.streaming._

scala> val ssc = new StreamingContext(sc,Seconds(20))
ssc: org.apache.spark.streaming.StreamingContext = org.apache.spark.streaming.StreamingContext@2108d503

scala> val lines = ssc.
     | textFileStream("file:///usr/local/spark/mycode/streaming/logfile")
lines: org.apache.spark.streaming.dstream.DStream[String] = org.apache.spark.streaming.dstream.MappedDStream@63cf0da6

scala> val words = lines.flatMap(_.split(" "))
words: org.apache.spark.streaming.dstream.DStream[String] = org.apache.spark.streaming.dstream.FlatMappedDStream@761b4581

scala> val wordCounts = words.map(x => (x,1)).reduceByKey(_ + _)
wordCounts: org.apache.spark.streaming.dstream.DStream[(String, Int)] = org.apache.spark.streaming.dstream.ShuffledDStream@515576b0

scala> wordCounts.print()

scala> ssc.start()

# 输出以下:
-------------------------------------------
Time: 1592364620000 ms
-------------------------------------------

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25

3、在回到刚刚创建文件夹的终端,在logfile目录下创建文件log.txt

spark sql
spark streaming
spark MLlib
  • 1
  • 2
  • 3

4、再回到spark-shell的终端就可以看到词频统计的结果

-------------------------------------------
Time: 1592364620000 ms
------------------------------
  • 1
  • 2
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/正经夜光杯/article/detail/758622
推荐阅读
相关标签
  

闽ICP备14008679号