spark stream入门案例：netcat准实时处理wordCount（scala 编程）

案例需求

代码

结果

解析

案例需求：

使用netcat工具向9999端口不断的发送数据，通过SparkStreaming读取端口数据并统计不同单词出现的次数

-- 1. Spark从socket中获取数据：一行一行的获取

-- 2. Driver程序执行时，streaming处理过程不能结束

-- 3. 采集器在正常情况下启动后就不应该停止，除非特殊情况

-- 4. 采集器位于一个executor中，是一个线程，执行时需要一个核，如果设定的总核数为1时，那么在运行时因为没有核数，所以不会有打印结果，所以sparkStreaming使用的核数至少为2个

-- 5. print()方法，默认是打印10行结果

-- 6. netcat的指令：

Scala 复制代码

      在Windows下：nc -lp 9999
      在linux下： nc -lk 9999

代码：

Scala 复制代码

package cn.olo.stream

import org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.{Seconds, StreamingContext}

object StreamDemo {
  def main(args: Array[String]): Unit = {
    // 连接SparkStreaming
    val sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("sparkStreaming")
    /*
  1.方法：StreamingContext(形参)
  2.形参：
    形参1：conf: SparkConf：spark配置对象
    形参2：batchDuration: Duration：采集时间
 */
    val ssc = new StreamingContext(sparkConf,Seconds(5))

    // 需求：使用netcat工具向9999端口不断的发送数据，通过SparkStreaming读取端口数据并统计不同单词出现的次数

    // 1. 获取netcat工具9999端口的连接，并开始接收数据
    // 从socket中获取数据：一行一行的获取

    val socketDS: ReceiverInputDStream[String] = ssc.socketTextStream("localhost",9999)

    // 2. 数据处理
    val wordDS: DStream[String] = socketDS.flatMap(_.split(" "))

    val wordToSumDS: DStream[(String, Int)] = wordDS.map((_,1)).reduceByKey(_ + _ )

    // 3. 打印数据
    wordToSumDS.print()

    // 4. Driver程序执行时，streaming处理过程不能结束

    // 采集器在正常情况下启动后就不应该停止，除非特殊情况

    // 启动采集器
    ssc.start()

    // 等待采集器的结束
    ssc.awaitTermination()


  }

}

结果：

解析：

a、采集周期时间之间，每一个采集周期生成一个RDD，按照时间的顺序依次进行

b、在每一个采集周期内，会执行wordcount计算，最终得出:统计出每一个采集周期时间的wordcount