spark-streaming 编程(五)updateStateByKey

updateStateByKey（func）

从名字上来看，该函数会更新根据key聚合，并不断更新value值

要想使用该函数，Dstream之前的类型必须是K，V形式的二元组。
经过执行func函数后，会返回一个key的所有的聚合值得状态。

以word count为例，对于每一个批的数据进行分解聚合，会得到当前的这个批的状态,经过聚合后得到值的，假设有(word1,10),(word2,15),(word3,1);
而对于之前的累积值，(word1,100),(word2,10),(word3，15),(word4,10)
则下一步的状态值为(word1,100+10),(word2,10+15),(word3,1+15),(word4,0+10)
等待下一个批次的数据到了，继续按照这个逻辑进行处理。

代码示例：

package com.lgh.sparkstreamingimport kafka.serializer.StringDecoder
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.kafka.KafkaUtils/*** Created by lgh on 2017/8/24.*/
object UpdateStateByKey {def main(args: Array[String]): Unit = {val brokers = "mtime-bigdata00:9092,mtime-bigdata01:9092";val topics = "testkafka";val batchseconds = "10";val checkpointDirectory = "./upbykey";val ssc = StreamingContext.getOrCreate(checkpointDirectory, () => createcontext(brokers, topics, batchseconds, checkpointDirectory))ssc.start()ssc.awaitTermination()}def createcontext(brokers: String, topics: String, batchseconds: String, checkpointDirectory: String): StreamingContext = {val sparkconf = new SparkConf().setAppName("TestUpStateByKey").setMaster("local[3]")val ssc = new StreamingContext(sparkconf, Seconds(batchseconds.toInt))val topicsSet = topics.split(",").toSetval kafkaParams = Map[String, String]("metadata.broker.list" -> brokers);val messages = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topicsSet)val lines: DStream[String] = messages.map(_._2)val message: DStream[(String, Long)] = lines.flatMap(_.split(" ")).map(x => (x, 1L)).reduceByKey(_+_)val keyvalue=message.updateStateByKey[Long](addFunction _)keyvalue.print(100)ssc.checkpoint(checkpointDirectory)ssc}//curValues:对于每一个key的所有value值得集合Seq//preVauleState: 之前的每一个key的值对应的value值；这这个例子中是单词计数的之前的累计值//def addFunction(currValues: Seq[Long], preVauleState: Option[Long]): Option[Long] = {//计算得到当前key在这个Dstream中的值val currentSum:Long = currValues.sum//得到当前key以前的累积值val previousSum:Long = preVauleState.getOrElse(0)//计算出当前key对应的新的值val nowvalue:Long=currentSum + previousSum;//返回结果值；在scala中，Some和None是Option的子类Some(nowvalue)}}

spark-streaming 编程(五)updateStateByKey相关推荐

编程实现将rdd转换为dataframe:源文件内容如下(_第四篇|Spark Streaming编程指南(1)
Spark Streaming是构建在Spark Core基础之上的流处理框架,是Spark非常重要的组成部分.Spark Streaming于2013年2月在Spark0.7.0版本中引入,发展至今 ...
Spark Streaming 编程指南[中英对照]
2019独角兽企业重金招聘Python工程师标准>>> 基于Spark 2.0 Preview的材料翻译,原[英]文地址: http://spark.apache.org/docs/ ...
Spark大数据分析与实战：Spark Streaming编程初级实践
Spark Streaming编程初级实践一.安装Hadoop和Spark 具体的安装过程在我以前的博客里面有,大家可以通过以下链接进入操作: Hadoop的安装:https://blog.csdn ...
Spark Streaming 编程新手入门指南
Spark Streaming 是核心Spark API的扩展,可实现实时数据流的可伸缩,高吞吐量,容错流处理.可以从许多数据源(例如Kafka,Flume,Kinesis或TCP sockets)中 ...
Spark详解（十二）：Spark Streaming原理和实现
1 简介 SparkStreaming是Spark核心API的一个扩展,具有高吞吐量和容错能力的实时流数据处理系统,可以对多种数据源(如Kdfka.Flume.Twitter.Zero和TCP 套接字 ...
Spark Streaming与流处理
Spark Streaming与流处理一.流处理 1.1 静态数据处理在流处理之前,数据通常存储在数据库,文件系统或其他形式的存储系统中.应用程序根据需要查询数据或计算数据.这就是传统的静态数据处 ...
基于大数据的Uber数据实时监控（Part 2：Kafka和Spark Streaming）
导言本文是系列文章的第二篇,我们将建立一个分析和监控Uber汽车GPS旅行数据的实时示例.在第一篇文章中讨论了使用Apache Spark的K-means算法创建机器学习模型,以根据位置聚类Uber ...
hive编程指南电子版_第三篇|Spark SQL编程指南
在<第二篇|Spark Core编程指南>一文中,对Spark的核心模块进行了讲解.本文将讨论Spark的另外一个重要模块--Spark SQL,Spark SQL是在Shark的基础之上 ...
spark-sql建表语句限制_第三篇|Spark SQL编程指南
在<第二篇|Spark Core编程指南>一文中,对Spark的核心模块进行了讲解.本文将讨论Spark的另外一个重要模块--Spark SQL,Spark SQL是在Shark的基础之上 ...
Spark Streaming实时数据分析
1.Spark Streaming功能介绍 1)定义 Spark Streaming is an extension of the core Spark API that enables scalab ...

spark-streaming 编程(五)updateStateByKey

spark-streaming 编程(五)updateStateByKey相关推荐

最新文章

热门文章