SparkStructuredStreaming状态编程

spark官网关于spark有状态编程介绍比较少,本文是一篇个人理解关于spark状态编程。

官网关于状态编程代码例子:

spark/examples/src/main/scala/org/apache/spark/examples/sql/streaming/StructuredComplexSessionization.scala at v3.5.0 · apache/spark (github.com)

一般的流计算使用窗口函数可以解决大部分问题,但是一些比较复杂的业务,窗口函数无法解决,比如需要的数据范围大于你设定的时间窗口,那么就需要状态编程处理中间状态。

案例:

数据一秒一条被spark消费,我需要找到的绿色部分代表再生(再生开始PFltRgn_stRgnActv,PFltRgn_stRgnActvHld变为两个1,再生结束变为两个0),我需要知道PFltRgn_ctRgnSuc再生阶段变化是否大于等于2(true: 意味再生成功)

如果开一个5s滚动窗口(红色框框),窗口内无法解决这个需求,那么我就需要记录每个窗口中当符合再生条件(绿色)PFltRgn_ctRgnSuc的最小值和最大值(这个就是中间状态)

代码调试中:.....

相关推荐
uesowys8 小时前
Apache Spark算法开发指导-Random forest regression
算法·spark
DisonTangor9 小时前
介绍 GPT‑5.3‑Codex‑Spark
大数据·gpt·spark
小邓睡不饱耶9 小时前
Hadoop 3.x实战:基于HDFS+Spark+Flink的实时用户行为分析平台(含Kerberos安全配置+冷热数据分层)
hadoop·hdfs·spark
阿里云大数据AI技术1 天前
阿里云 EMR Serverless Spark TPC-DS 100T 榜首背后的内核技术
spark
KANGBboy2 天前
spark参数优化
大数据·分布式·spark
十月南城3 天前
Spark批处理认知——RDD与DataFrame的差异、Shuffle与资源利用
大数据·分布式·spark
徐先生 @_@|||3 天前
Spark的DataFrame的Map Task和Reduce Task深入理解
ajax·spark·php
uesowys3 天前
Apache Spark算法开发指导-Generalized linear regression
算法·spark·线性回归
走过冬季3 天前
数据仓库模型建设规范
大数据·数据仓库·spark
uesowys4 天前
Apache Spark算法开发指导-Linear regression
算法·spark·线性回归