SparkStream|SparkStream mapWithState编程练习
SparkStream在处理流数据时,按时间间隔把数据分成小批,在一个小批中利用RDD完整代码
的函数完成各种运算。如果要在各小批之间共享数据,或者保存到每批次的数据到一个集中变量中,就要用到mapWithState函数,在整个流计算任务中维护了一个key-value State对象(应该也是一个RDD),根据本批次的任务更改State。本文是mapWithState的实例代码。
public static void main(String[] args) throws InterruptedException {
String checkpointDirectory = "/Users/wangsen/hadoop/checkdir/check4";
// Create the context with a 1 second batch size
SparkConf sparkConf = new SparkConf().setAppName("JavaStatefulNetworkWordCount");
JavaStreamingContext ssc = new JavaStreamingContext(sparkConf, Durations.seconds(5));
ssc.checkpoint(checkpointDirectory);
ssc.sparkContext().setLogLevel("ERROR");
JavaReceiverInputDStream lines = ssc.socketTextStream(
"localhost", 9999, StorageLevels.MEMORY_AND_DISK_SER_2);
JavaDStream words = lines.flatMap(x -> Arrays.asList(SPACE.split(x)).iterator());
JavaPairDStream wordsDstream = words.mapToPair(s -> new Tuple2<>(s, 1));
// Update the cumulative count function
// 注释三
Function3, State, Tuple2> mappingFunc =
(word, one, state) -> {
int sum = one.orElse(0) + (state.exists() ? state.get() : 0);
Tuple2 output = new Tuple2<>(word, sum);
state.update(sum);
return output;
};
// DStream made of get cumulative counts that get updated in every batch
// 注释一:
JavaMapWithStateDStream> stateDstream =
wordsDstream.mapWithState(StateSpec.function(mappingFunc));
//注释二:
stateDstream.print();
stateDstream.stateSnapshots().print();
ssc.start();
ssc.awaitTermination();
}
实验
nc -lk 9999输出,第一个输出stateDStream输出,第二个stateDStream.stateSnapshots输出
a b c d e f
-------------------------------------------
Time: 1535529530000 ms
-------------------------------------------
(A,1)
(B,1)
(C,1)-------------------------------------------
Time: 1535529530000 ms
-------------------------------------------
(A,1)
(B,1)
(C,1)
A B e f
-------------------------------------------
Time: 1535529630000 ms
-------------------------------------------
(e,1)
(A,2)
(B,2)
(f,1)-------------------------------------------
Time: 1535529630000 ms
-------------------------------------------
(e,1)
(A,2)
(B,2)
(f,1)
(C,1)
stateDStream只做增量,获取全局使用stateSnapshots。
代码注释 1、JavaMapWithStateDStream 对象(注释一)。 统计词频生成JavaPairDStream对象wordsCount,wordCount调用mapWithState生成JavaMapWithStateDStream对象。
2、打印JavaMapWithStateDStream对象(注释二)。 state.print(); # 只打印本轮任务。
state.stateSnapshots().print(); # 获取全部state的值,并打印
3、生成、更新state对象(注释三)。
Function3, State, Tuple2> mappingFunc
Function3参数说明
(1)
String
输入值,代表要更新的State对象Key,(2)
Optional
输入值,代表本批次计算得到key对应的value值,(3)
State
输入值,有点类似回调值,在State中保存的value值,旧的值,调用函数的时候已经赋值。在代码里可以实现创建更新等操作:可以累加;可以比较大小,更新一个更大值,等等。(4)
Tuple2
返回值,State的一个item。返回Tuple2就更新State中相应Key的数据,调用remove可以删除State中的Key对象。Tuple2定义了State类型。
总结 【SparkStream|SparkStream mapWithState编程练习】mapWithState能将batch的数据统一保存,功能很强大,就是理解函数参数有些费劲。本文通过代码介绍了该api使用方法,以后需要的时候能快速copy代码。
推荐阅读
- python青少年编程比赛_第十一届蓝桥杯大赛青少年创意编程组比赛细则
- HTML基础--基本概念--跟着李南江学编程
- 我的软件测试开发工程师书单
- 芯灵思SinlinxA33开发板Linux内核定时器编程
- 关于响应式编程的十个问题
- iOS-Swift-map|iOS-Swift-map filter reduce、函数式编程
- 零基础学习Python作业本(13)
- 网络编程基础--HTTP
- 《Unix网络编程》第一卷第三版|《Unix网络编程》第一卷第三版 源码编译
- 【读书笔记】JavaScript|【读书笔记】JavaScript DOM编程艺术 (第2版)