window滑动窗口
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。（Spark Streaming对滑动窗口的支持，是比Storm更加完善和强 大的）
window滑动窗口操作函数
| Transform | 意义 |
|---|---|
| window | 对每个滑动窗口的数据执行自定义的计算 |
| countByWindow | 对每个滑动窗口的数据执行count操作 |
| reduceByWindow | 对每个滑动窗口的数据执行reduce操作 |
| reduceByKeyAndWindow | 对每个滑动窗口的数据执行reduceByKey操作 |
| countByValueAndWindow | 对每个滑动窗口的数据执行countByValue操作 |
案例：热点搜索词滑动统计，每隔10秒钟，统计最近60秒钟的搜索词的搜索频次，并打印出 排名最靠前的3个搜索词以及出现次数
执行reduceByKeyAndWindow，滑动窗口操作
第二个参数，是窗口长度，这里是60秒
第三个参数，是滑动间隔，这里是10秒
也就是说，每隔10秒钟，将最近60秒的数据，作为一个窗口，进行内部的RDD的聚合，然后统一对 一个RDD进行后续计算
Java语言实现：
package com.kfk.spark.window_hotwords_project;
import com.kfk.spark.common.CommStreamingContext;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import scala.Tuple2;
import java.util.List;
/**
* @author : 蔡政洁
* @email :[email protected]
* @date : 2020/12/18
* @time : 2:03 下午
*/
public class WindowHotWordJava {
static JavaStreamingContext jssc = null;
public static void main(String[] args) throws InterruptedException {
jssc = CommStreamingContext.getJssc();
/**
* 数据模型：java
* hive
* spark
* java
*/
JavaReceiverInputDStream<String> inputDstream = jssc.socketTextStream("bigdata-pro-m04",9999);
/**
* <java,1>
* <hive,1>
* ...
*/
JavaPairDStream<String, Integer> pair = inputDstream.mapToPair(new PairFunction<String, String, Integer>() {
@Override
public Tuple2<String, Integer> call(String line) throws Exception {
return new Tuple2<>(line,1);
}
});
/**
* <java,5>
* <hive,3>
* <spark,6>
* <flink,10>
*/
JavaPairDStream<String, Integer> windowWordCount = pair.reduceByKeyAndWindow(new Function2<Integer,Integer,Integer>() {
@Override
public Integer call(Integer v1, Integer v2) throws Exception {
return v1+v2;
}
}, Durations.seconds(60),Durations.seconds(10));
JavaDStream<Tuple2<String, Integer>> finalStream = windowWordCount.transform(
new Function<JavaPairRDD<String, Integer>, JavaRDD<Tuple2<String, Integer>>>() {
@Override
public JavaRDD<Tuple2<String, Integer>> call(JavaPairRDD<String, Integer> line) throws Exception {
JavaPairRDD<Integer,String> beginPair = line.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
@Override
public Tuple2<Integer, String> call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
return new Tuple2<>(stringIntegerTuple2._2,stringIntegerTuple2._1);
}
});
JavaPairRDD<Integer,String> sortRdd = beginPair.sortByKey(false);
JavaPairRDD<String,Integer> sortPair = sortRdd.mapToPair(new PairFunction<Tuple2<Integer, String>, String, Integer>() {
@Override
public Tuple2<String,Integer> call(Tuple2<Integer, String> integerStringTuple2) throws Exception {
return new Tuple2<>(integerStringTuple2._2,integerStringTuple2._1);
}
});
List<Tuple2<String,Integer>> wordList = sortPair.take(3);
for (Tuple2<String, Integer> stringIntegerTuple2 : wordList) {
System.out.println(stringIntegerTuple2._1 + " : " + stringIntegerTuple2._2);
}
return jssc.sparkContext().parallelize(wordList);
}
});
finalStream.print();
jssc.start();
jssc.awaitTermination();
}
}
Scala语言实现
package com.kfk.spark.window_hotwords_project
import com.kfk.spark.common.CommStreamingContextScala
import org.apache.spark.streaming.Seconds
/**
* @author : 蔡政洁
* @email :[email protected]
* @date : 2020/12/18
* @time : 4:47 下午
*/
object WindowHotWordScala {
def main(args: Array[String]): Unit = {
val jssc = CommStreamingContextScala.getJssc
val inputDstream = jssc.socketTextStream("bigdata-pro-m04", 9999)
/**
* 数据模型：java
* hive
* spark
* java
*/
val pairDStream = inputDstream.map(x => (x,1))
/**
* <java,1>
* <hive,1>
* ...
*/
val windowWordCount = pairDStream.reduceByKeyAndWindow((x:Int,y:Int) => x+y,Seconds(60),Seconds(10))
/**
* 热点搜索词滑动统计，每隔10秒钟，统计最近60秒钟的搜索词的搜索频次，
* 并打印出 排名最靠前的3个搜索词以及出现次数
*/
val finalDStream = windowWordCount.transform(x => {
val sortRDD = x.map(x => (x._2,x._1)).sortByKey(false).map(x => (x._2,x._1))
val list = sortRDD.take(3)
jssc.sparkContext.parallelize(list)
})
finalDStream.print()
jssc.start()
jssc.awaitTermination()
}
}
测试数据：
java
java
hive
hive
java
hava
java
hive
运行结果：
-------------------------------------------
Time: 1608705518000 ms
-------------------------------------------
(hive,3)
(java ,2)
(java,2)
以上内容仅供参考学习，如有侵权请联系我删除！
如果这篇文章对您有帮助，左下角的大拇指就是对博主最大的鼓励。
您的鼓励就是博主最大的动力！