Spark实时（四）：Strctured Streaming简单应用

文章目录

[Strctured Streaming简单应用](#Strctured Streaming简单应用)

[一、Output Modes输出模式](#一、Output Modes输出模式)

[二、Streaming Table API](#二、Streaming Table API)

三、Triggers

1、unspecified（默认模式）

[2、Fixed interval micro-batches（固定间隔批次）](#2、Fixed interval micro-batches（固定间隔批次）)

[3、 One-time micro-batch （仅一次触发）](#3、 One-time micro-batch （仅一次触发）)

[4、Continuous with fixed checkpoint interval（连续处理）](#4、Continuous with fixed checkpoint interval（连续处理）)

Strctured Streaming简单应用

一、Output Modes输出模式

Structured Streaming中结果输出时outputMode可以设置三种模式，三种默认区别如下：

Append Mode（默认模式）：追加模式，只有自上次触发后追加到结果表中的新行才会被输出。只有select、where、map、flatmap、filter、join查询支持追加模式。
Complete Mode（完整模式）：将整个更新的结果输出。仅可用于代码中有聚合查询情况，代码中没有聚合查询不能使用。
Update Mode（更新模式）：自Spark2.1.1版本后可用，只有自上次触发后更新的行才会被输出。这种模式仅仅输出自上次触发以来发生更改的行。如果结果数据没有聚合操作那么相当于Append Mode。

二、Streaming Table API

在Spark3.1版本之后，我们可以通过DataStreamReader.table()方式实时读取流式表中的数据，使用DataStreamWriter.toTable()向表中实时写数据。

案例：读取Socket数据实时写入到Spark流表中，然后读取流表数据展示数据。

代码示例如下：

Scala 复制代码

package com.lanson.structuredStreaming

import org.apache.spark.sql.streaming.StreamingQuery
import org.apache.spark.sql.{DataFrame, SparkSession}

object StreamTableAPI {
  def main(args: Array[String]): Unit = {
    //1.创建对象
    val spark: SparkSession = SparkSession.builder().master("local")
      .appName("StreamTableAPI")
      .config("spark.sql.shuffle.partitions", 1)
      .config("spark.sql.warehouse.dir", "./my-spark-warehouse")
      .getOrCreate()

    spark.sparkContext.setLogLevel("Error");
    import spark.implicits._

    //2.读取socket数据，注册流表
    val df: DataFrame = spark.readStream
      .format("socket")
      .option("host", "node3")
      .option("port", 9999)
      .load()

    //3.对df进行转换
    val personinfo: DataFrame = df.as[String]
      .map(line => {
        val arr: Array[String] = line.split(",")
        (arr(0).toInt, arr(1), arr(2).toInt)
      }).toDF("id", "name", "age")

    //4.将以上personinfo 写入到流表中
    personinfo.writeStream
      .option("checkpointLocation","./checkpoint/dir1")
      .toTable("mytbl")

    import org.apache.spark.sql.functions._

    //5.读取mytbl 流表中的数据
    val query: StreamingQuery = spark.readStream
      .table("mytbl")
      .withColumn("new_age", col("age").plus(6))
      .select("id", "name", "age", "new_age")
      .writeStream
      .format("console")
      .start()

    query.awaitTermination()

  }
}

以上代码编写完成后启动，向控制台输入以下数据：

复制代码

1,zs,18
2,ls,19
3,ww,20
4,ml,21
5,tq,22

结果输入如下：

注意：以上代码执行时Spark中写出的表由Spark 参数"spark.sql.warehouse.dir"指定的路径临时维护数据，每次执行时，需要将该路径下的表数据清空。

三、Triggers

Structured Streaming Triggers 决定了流式数据被处理时是微批处理还是连续实时处理，以下是支持的Triggers：

实时处理，以下是支持的Triggers:

|-----------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| Trigger Type | 描述 |
| Unspecified(默认) | * 代码使用：Trigger.ProcessingTime(0L)。 * 代码中没有明确指定触发类型则查询默认以微批模式执行，表示尽可能快的执行查询。 |
| Fixed interval micro-batches(固定间隔批次) | * 代码使用：Trigger.ProcessingTime(long interval,TimeUnit timeUnit) * 查询将以微批模式处理，批次间隔根据用户指定的时间间隔决定 1. 如果前一个微批处理时间在时间间隔内完成，则会等待间隔时间完成后再开始下一个微批处理 2. 如果前一个微批处理时间超过了时间间隔，那么下一个微批处理将在前一个微批处理完成后立即开始。 3. 如果没有新数据可用，则不会启动微批处理。 |
| One-time micro-batch(仅一次性触发) | * 代码使用：Trigger.Once() * 只执行一个微批次查询所有可用数据，然后自动停止，适用于一次性作业。 |
| Continuous with fixed checkpoint interval(以固定checkpoint interval连续处理（实验阶段）) | * 代码使用：Trigger.Continuous(long interval,TimeUnit timeUnit) * 以固定的Checkpoint间隔(interval)连续处理。在这种模式下，连续处理引擎将每隔一定的间隔(interval)做一次checkpoint，可获得低至1ms的延迟。 |

下面以读取Socket数据为例，Scala代码演示各个模式

1、unspecified（默认模式）

代码如下：

Scala 复制代码

//3.默认微批模式执行查询，尽快将结果写出到控制台
val query: StreamingQuery = frame.writeStream
  .format("console")
  .start()

query.awaitTermination()

2、Fixed interval micro-batches（固定间隔批次）

代码如下：

Scala 复制代码

//3.用户指定固定间隔批次触发查询
    val query: StreamingQuery = frame.writeStream
      .format("console")
      .trigger(Trigger.ProcessingTime("5 seconds"))
//      .trigger(Trigger.ProcessingTime(5,TimeUnit.SECONDS)
      .start()
    query.awaitTermination()

注意：这种固定间隔批次指的是第一批次处理完成，等待间隔时间，然后处理第二批次数据，依次类推。

3、 One-time micro-batch （仅一次触发）

代码如下：

Scala 复制代码

//4.仅一次触发执行
val query: StreamingQuery = frame.writeStream
  .format("console")
  .trigger(Trigger.Once())
  .start()
query.awaitTermination()

4、Continuous with fixed checkpoint interval（连续处理）

Continuous不再是周期性启动task的批量执行数，而是启动长期运行的task，而是不断一个一个数据进行处理，周期性的通过指定checkpoint来记录状态（如果不指定checkpoint目录，会将状态记录在Temp目录下），保证exactly-once语义，这样就可以实现低延迟。详细内容可以参照后续"Continuous处理"章节。

代码如下：

Scala 复制代码

//3.Continuous 连续触发执行
val query: StreamingQuery = frame.writeStream
  .format("console")
  //每10ms 记录一次状态，而不是执行一次
  .trigger(Trigger.Continuous(10,TimeUnit.MILLISECONDS))
  .option("checkpointLocation","./checkpint/dir4")
  .start()
query.awaitTermination()

📢博客主页：https://lansonli.blog.csdn.net
📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
📢本文由 Lansonli 原创，首发于 CSDN博客🙉
📢停下休息的时候不要忘了别人还在奔跑，希望大家抓紧时间学习，全力奔赴更美好的生活✨

Spark实时（四）：Strctured Streaming简单应用

Strctured Streaming简单应用

一、Output Modes输出模式

二、​​​​​​​​​​​​​​Streaming Table API

三、​​​​​​​​​​​​​​Triggers

1、​​​​​​​unspecified（默认模式）

2、​​​​​​​​​​​​​​Fixed interval micro-batches（固定间隔批次）

3、 ​​​​​​​​​​​​​​One-time micro-batch （仅一次触发）

4、​​​​​​​​​​​​​​Continuous with fixed checkpoint interval（连续处理）

二、Streaming Table API

三、Triggers

1、unspecified（默认模式）

2、Fixed interval micro-batches（固定间隔批次）

3、 One-time micro-batch （仅一次触发）

4、Continuous with fixed checkpoint interval（连续处理）