Spark-Streaming

Spark-Streaming概述

Spark Streaming 用于流式数据的处理。Spark Streaming 支持的数据输入源很多,以及和简单的 TCP 套接字等等。数据输入后可以用 Spark 的高度抽象原语进行运算。而结果也能保存在很多地方,如 HDFS,数据库等。

1.DStream的概念

和 Spark 基于 RDD 的概念很相似,Spark Streaming 使用离散化流作为抽象表示,叫作 DStream。

所以简单来将,DStream 就是对 RDD 在实时数据处理场景的一种封装。

Spark-Streaming的特点:易用、容错、易整合到spark体系。

1)易用性:Spark Streaming支持Java、Python、Scala等编程语言,可以像编写离线程序一样编写实时计算的程序

2)容错:Spark Streaming在没有额外代码和配置的情况下,可以恢复丢失的数据。对于实时计算来说,容错性至关重要。

3)易整合:Spark Streaming可以在Spark上运行,并且还允许重复使用相同的代码进行批处理。也就是说,实时处理可以与离线处理相结合,实现交互式的查询操作。

Spark-Streaming架构

Spark-Streaming架构图:

背压机制:

在Spark 1.5 以前版本,用户如果要限制 Receiver 的数据接收速率,可以通过设置静态配制参数"spark.streaming.receiver.maxRate"的值来实现,此举虽然可以通过限制接收速率,来适配当前的处理能力,防止内存溢出,但也会引入其它问题。比如:producer 数据生产高于 maxRate,当前集群处理能力也高于 maxRate,这就会造成资源利用率下降等问题。

为了更好的协调数据接收速率与资源处理能力,1.5 版本开始 Spark Streaming 可以动态控制数据接收速率来适配集群数据处理能力。背压机制(即 Spark Streaming Backpressure): 根据JobScheduler 反馈作业的执行信息来动态调整 Receiver 数据接收率。通过属性"spark.streaming.backpressure.enabled"来控制是否启用 backpressure 机制,默认值为false,即不启用。

DStream实操

案例一: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. 添加依赖

2 代码如下

3 启动netcat发送数据 ,运行代码可以得到不同单词出现的次数

DStream 创建

创建DStream的三种方式:RDD队列、自定义数据源、kafka数据源

方式一:RDD队列

**任务需求:**循环创建几个 RDD,将 RDD 放入队列。通过 SparkStream 创建 Dstream,计算 WordCount

案例演示

运行结果

方式二:自定义数据源

**定义:**自定义数据源需要继承 Receiver,并实现 onStart、onStop 方法来自定义数据源采集。

**任务需求:**自定义数据源,实现监控某个端口号,获取该端口号内容。

案例演示

  1. 自定义数据源
  1. 使用自定义的数据源采集数据

3 往端口传输数据

运行结果

相关推荐
Rancemy6 小时前
rabbitmq 03
java·分布式·rabbitmq
TDengine (老段)9 小时前
TDengine 转化类函数 TO_CHAR 用户手册
大数据·数据库·物联网·时序数据库·tdengine·涛思数据
黄雪超10 小时前
Kafka——多线程开发消费者实例
大数据·分布式·kafka
阿里巴巴淘系技术团队官网博客10 小时前
面向互联网2C业务的分布式类Manus Java框架
java·开发语言·分布式
ManageEngineITSM11 小时前
从混乱到秩序:IT服务管理如何重塑企业运营效率
大数据·人工智能·程序人生·职场和发展·itsm
sniper_fandc11 小时前
RabbitMQ—HAProxy负载均衡
分布式·rabbitmq·负载均衡
你想知道什么?12 小时前
RabbitMQ简述
分布式·rabbitmq
青云交12 小时前
Java 大视界 -- 基于 Java 的大数据分布式存储在工业互联网数据管理与边缘计算协同中的创新实践(364)
java·大数据·边缘计算·工业互联网·分布式存储·paxos·数据协同
数据爬坡ing13 小时前
软件工程之可行性研究:从理论到实践的全面解析
大数据·流程图·软件工程·可用性测试
晴天彩虹雨13 小时前
统一调度与编排:构建自动化数据驱动平台
大数据·运维·数据仓库·自动化·big data·etl