Spark-Streaming之window滑動視窗應用

標籤：apache   blog   而且   batch   整數   color   統一   sock   sdn   

Spark-Streaming之window滑動視窗應用，Spark Streaming提供了滑動視窗操作的支援，從而讓我們可以對一個滑動視窗內的資料執行計算操作。每次掉落在視窗內的RDD的資料，會被彙總起來執行計算操作，然後產生的RDD，會作為window DStream的一個RDD。

網官圖中所示，就是對每三秒鐘的資料執行一次滑動視窗計算，這3秒內的3個RDD會被彙總起來進行處理，然後過了兩秒鐘，又會對最近三秒內的資料執行滑動視窗計算。所以每個滑動視窗操作，都必須指定兩個參數，視窗長度以及滑動間隔，而且這兩個參數值都必須是batch間隔的整數倍。

Spark Streaming對滑動視窗的支援，是比Storm更加完善和強大的。

 

 

Spark-Streaming對滑動視窗支援的轉換操作：

 

熱點搜尋字詞滑動統計，每隔10秒鐘，統計最近60秒鐘的搜尋字詞的搜尋頻次，並列印出排名最靠前的3個搜尋字詞以及出現次數

scala版本：

package com.spark.streaming    import org.apache.spark.streaming.Seconds  import org.apache.spark.streaming.StreamingContext  import org.apache.spark.SparkConf    /**  * @author Ganymede  */  object WindowHotWordS {    def main(args: Array[String]): Unit = {      val conf = new SparkConf().setAppName("WindowHotWordS").setMaster("local[2]")        //Scala中，建立的是StreamingContext      val ssc = new StreamingContext(conf, Seconds(5))        val searchLogsDStream = ssc.socketTextStream("spark1", 9999)        val searchWordsDStream = searchLogsDStream.map { searchLog => searchLog.split(" ")(1) }        val searchWordPairDStream = searchWordsDStream.map { searchWord => (searchWord, 1) }        // reduceByKeyAndWindow      // 第二個參數，是視窗長度，這是是60秒      // 第三個參數，是滑動間隔，這裡是10秒      // 也就是說，每隔10秒鐘，將最近60秒的資料，作為一個視窗，進行內部的RDD的彙總，然後統一對一個RDD進行後續計算      // 而是只是放在那裡      // 然後，等待我們的滑動間隔到了以後，10秒到了，會將之前60秒的RDD，因為一個batch間隔是5秒，所以之前60秒，就有12個RDD，給彙總起來，然後統一執行reduceByKey操作      // 所以這裡的reduceByKeyAndWindow，是針對每個視窗執行計算的，而不是針對 某個DStream中的RDD      // 每隔10秒鐘，出來 之前60秒的收集到的單詞的統計次數      val searchWordCountsDStream = searchWordPairDStream.reduceByKeyAndWindow((v1: Int, v2: Int) => v1 + v2, Seconds(60), Seconds(10))              val finalDStream = searchWordCountsDStream.transform(searchWordCountsRDD => {        val countSearchWordsRDD = searchWordCountsRDD.map(tuple => (tuple._2, tuple._1))        val sortedCountSearchWordsRDD = countSearchWordsRDD.sortByKey(false)        val sortedSearchWordCountsRDD = sortedCountSearchWordsRDD.map(tuple => (tuple._1, tuple._2))        val top3SearchWordCounts = sortedSearchWordCountsRDD.take(3)          for (tuple <- top3SearchWordCounts) {          println("result : " + tuple)        }          searchWordCountsRDD      })        finalDStream.print()        ssc.start()      ssc.awaitTermination()    }  }  

 

Spark-Streaming之window滑動視窗應用