码迷,mamicode.com
首页 > 其他好文 > 详细

【慕课网实战】Spark Streaming实时流处理项目实战笔记八之铭文升级版

时间:2018-01-28 11:24:12      阅读:210      评论:0      收藏:0      [点我收藏+]

标签:需要   log   cdh5   hat   str   await   flat   升级   源码   

铭文一级:

Spark Streaming is an extension of the core Spark API that enables scalable,
high-throughput,
fault-tolerant
stream processing of live data streams.

Spark Streaming个人的定义:
将不同的数据源的数据经过Spark Streaming处理之后将结果输出到外部文件系统

特点
低延时
能从错误中高效的恢复:fault-tolerant
能够运行在成百上千的节点
能够将批处理、机器学习、图计算等子框架和Spark Streaming综合起来使用

Spark Streaming是否需要独立安装?

One stack to rule them all : 一栈式


GitHub
https://github.com/apache/spark

spark-submit的使用

使用spark-submit来提交我们的spark应用程序运行的脚本(生产)
./spark-submit --master local[2] \
--class org.apache.spark.examples.streaming.NetworkWordCount \
--name NetworkWordCount \
/home/hadoop/app/spark-2.2.0-bin-2.6.0-cdh5.7.0/examples/jars/spark-examples_2.11-2.2.0.jar hadoop000 9999

如何使用spark-shell来提交(测试)
./spark-shell --master local[2]

import org.apache.spark.streaming.{Seconds, StreamingContext}

val ssc = new StreamingContext(sc, Seconds(1))
val lines = ssc.socketTextStream("hadoop000", 9999)
val words = lines.flatMap(_.split(" "))
val wordCounts = words.map(x => (x, 1)).reduceByKey(_ + _)
wordCounts.print()
ssc.start()
ssc.awaitTermination()

 

工作原理:粗粒度
Spark Streaming接收到实时数据流,把数据按照指定的时间段切成一片片小的数据块,
然后把小的数据块传给Spark Engine处理。

铭文二级:

Spark Streaming功能特点:可扩展、高吞吐、容错性

与Spark生态的其他环境的整合:

1、file与RDD   2、与MLib   3、RDD->SQL

有些时候要了解一下发展史,面试可能会问

比如说DataSet、DataFrame是哪个版本提出来的

词频统计实例=>

从github上(https://github.com/apache/spark/blob/master/examples/)可以看源码:

注意两个参数:hostname、port

 

用spark-submit方式运行(主要用于生产)

进入Spark Streaming的bin目录下:

[运行rm *.cmd删除window上才能运行的脚本使更简洁咯]

步骤一=>

启动终端二运行:nc -lk 9999

步骤二=>

终端一运行指令为:./spark-submit --master local[2] \

--class org.apache.spark.examples.streaming.NetworkWordCount \

在examples/jars里面的jar包 hadoop000 9999

复制指令去bin目录下执行

步骤三=>

去终端二输入测试数据:

a a a c c d e

在终端一可以观察到统计结果

 

用spark-shell方式运行(主要用于测试)

1、执行 ./spark-shell --master local[2]

2、修改官网的代码

A.删去SparkConf申明语句,因为spark-shell运行时已自动创建

B.StreamingContext的第一个参数sparkConf改为sc

C.修改socketTextStream第一第二个参数为实际情况,删除第三参数

D.添加类的导入语句

import org.apache.spark.streaming.{Seconds, StreamingContext}

3、拷贝本段代码,粘贴去终端运行,方法同spark-submit

 

粗粒度:按时间段切成小段

细粒度:

技术分享图片

 

【慕课网实战】Spark Streaming实时流处理项目实战笔记八之铭文升级版

标签:需要   log   cdh5   hat   str   await   flat   升级   源码   

原文地址:https://www.cnblogs.com/kkxwz/p/8367701.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!