自己做网站服务器的备案方法,网络营销是什么样的营销模式,wordpress+4.4.1+漏洞,世界500强企业排行1.5 window
滚动窗口滑动窗口
window操作就是窗口函数。Spark Streaming提供了滑动窗口操作的支持#xff0c;从而让我们可以对一个滑动窗口内的数据执行计算操作。每次掉落在窗口内的RDD的数据#xff0c;会被聚合起来执行计算操作#xff0c;然后生成的RDD#xff0c;会…1.5 window
滚动窗口滑动窗口
window操作就是窗口函数。Spark Streaming提供了滑动窗口操作的支持从而让我们可以对一个滑动窗口内的数据执行计算操作。每次掉落在窗口内的RDD的数据会被聚合起来执行计算操作然后生成的RDD会作为window DStream的一个RDD。比如下图中就是对每三秒钟的数据执行一次滑动窗口计算这3秒内的3个RDD会被聚合起来进行处理然后过了两秒钟又会对最近三秒内的数据执行滑动窗口计算。所以每个滑动窗口操作都必须指定两个参数窗口长度以及滑动间隔而且这两个参数值都必须是batch间隔的整数倍。 红色的矩形就是一个窗口窗口hold的是一段时间内的数据流。 这里面每一个time都是时间单元在官方的例子中每隔window size是3 time unit, 而且每隔2个单位时间窗口会slide一次。
所以基于窗口的操作需要指定2个参数
window length - The duration of the window (3 in the figure)
slide interval - The interval at which the window-based operation is performed (2 in the figure). 窗口大小个人感觉是一段时间内数据的容器。 滑动间隔就是我们可以理解的cron表达式吧。
案例实现
package com.qianfeng.sparkstreaming
import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.{Seconds, StreamingContext}
/*** 统计截止到目前为止出现的每一个key的次数* window窗口操作每个多长M时间,通过过往N长时间内产生的数据* M就是滑动长度sliding interval* N就是窗口长度window length*/
object Demo05_WCWithWindow {def main(args: Array[String]): Unit {val conf new SparkConf().setAppName(WordCountUpdateStateByKey).setMaster(local[*])val batchInterval 2val duration Seconds(batchInterval)val ssc new StreamingContext(conf, duration)val lines:DStream[String] ssc.socketTextStream(qianfeng01, 6666)val pairs:DStream[(String, Int)] lines.flatMap(_.split(\\s)).map((_, 1))
val ret:DStream[(String, Int)] pairs.reduceByKeyAndWindow(__,windowDuration Seconds(batchInterval * 3),slideDuration Seconds(batchInterval * 2))
ret.print()
ssc.start()ssc.awaitTermination()}
}
1.6 SparkSQL和SparkStreaming的整合案例
Spark最强大的地方在于可以与Spark Core、Spark SQL整合使用之前已经通过transform、foreachRDD等算子看到如何将DStream中的RDD使用Spark Core执行批处理操作。现在就来看看如何将DStream中的RDD与Spark SQL结合起来使用。
案例top3的商品排序 最新的top3
这里就是基于updatestateByKey统计截止到目前为止的不同品类下的商品销量top3
代码实现
package com.qianfeng.sparkstreaming
import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.dstream.DStream
/*** SparkStreaming整合SparkSQL的案例之热门品类top3排行* 输入数据格式* id brand category* 1 huwei watch* 2 huawei phone**/
object Demo06_SQLWithStreaming {def main(args: Array[String]): Unit {val conf new SparkConf().setAppName(StreamingIntegerationSQL).setMaster(local[*])val batchInterval 2val duration Seconds(batchInterval)val spark SparkSession.builder().config(conf).getOrCreate()val ssc new StreamingContext(spark.sparkContext, duration)ssc.checkpoint(/Users/liyadong/data/sparkdata/streamingdata/chk-1)val lines:DStream[String] ssc.socketTextStream(qianfeng01, 6666)//001 mi moblieval pairs:DStream[(String, Int)] lines.map(line {val fields line.split(\\s)if(fields null || fields.length ! 3) {(, -1)} else {val brand fields(1)val category fields(2)(s${category}_${brand}, 1)}}).filter(t t._2 ! -1)
val usb:DStream[(String, Int)] pairs.updateStateByKey(updateFunc)
usb.foreachRDD((rdd, bTime) {if(!rdd.isEmpty()) {//category_brand countimport spark.implicits._val df rdd.map{case (cb, count) {val category cb.substring(0, cb.indexOf(_))val brand cb.substring(cb.indexOf(_) 1)(category, brand, count)}}.toDF(category, brand, sales)
df.createOrReplaceTempView(tmp_category_brand_sales)val sql |select| t.category,| t.brand,| t.sales,| t.rank|from (| select| category,| brand,| sales,| row_number() over(partition by category order by sales desc) rank| from tmp_category_brand_sales|) t|where t.rank 4|;.stripMarginspark.sql(sql).show()}})
ssc.start()ssc.awaitTermination()}
def updateFunc(seq: Seq[Int], option: Option[Int]): Option[Int] {Option(seq.sum option.getOrElse(0))}
}
1.7 SparkStreaming整合Reids
//将实时结果写入Redis中
dStream.foreachRDD((w,c){val jedis new Jedis(192.168.10.101, 6379) //抽到公共地方即可jedis.auth(root)jedis.set(w.toString(),c.toString()) //一个key对应多个值可以考虑hset
})
Guff_hys_python数据结构,大数据开发学习,python实训项目-CSDN博客
