有状态转化操作 - UpdateStateByKey
功能描述
UpdateStateByKey原语用于在DStream中跨批次维护状态，例如流计算中的累加wordcount。
它允许对一个状态变量进行访问和更新，适用于键值对形式的DStream。
工作原理
给定一个由(键，事件)对构成的DStream，并传递一个指定如何根据新的事件更新每个键对应状态的函数。
构建出一个新的DStream，其内部数据为(键，状态)对。
使用步骤
定义状态：状态可以是一个任意的数据类型。
定义状态更新函数：使用此函数阐明如何使用之前的状态和来自输入流的新值对状态进行更新。
配置检查点目录：updateStateByKey需要使用检查点来保存状态。
示例代码
scalaCopy Code
val updateFunc = (values: Seq[Int], state: Option[Int]) => {
val currentCount = values.foldLeft(0)(_ + _)
val previousCount = state.getOrElse(0)
Some(currentCount + previousCount)
}
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("update")
val ssc = new StreamingContext(sparkConf, Seconds(5))
ssc.checkpoint("./ck")
val lines = ssc.socketTextStream("node01", 9999)
val words = lines.flatMap(_.split(" "))
val pairs = words.map((_, 1))
val stateDStream = pairs.updateStateByKeyInt](updateFunc)
stateDStream.print()
ssc.start()
ssc.awaitTermination()
窗口操作 - Window Operations
功能描述
窗口操作允许设置窗口的大小和滑动窗口的间隔，以动态地获取当前Streaming的状态。
参数说明
窗口时长：计算内容的时间范围。
滑动步长：触发计算的间隔。
这两者都必须为采集周期大小的整数倍。
示例代码
scalaCopy Code
val sparkConf = new SparkConf().setMaster("local[*]").setAppName("window")
val ssc = new StreamingContext(sparkConf, Seconds(3))
ssc.checkpoint("./ck")
val lines = ssc.socketTextStream("node01", 9999)
val words = lines.flatMap(_.split(" "))
val pairs = words.map((_, 1))
val wordCounts = pairs.reduceByKeyAndWindow((a: Int, b: Int) => (a + b), Seconds(12), Seconds(6))
wordCounts.print()
ssc.start()
ssc.awaitTermination()
DStream 输出操作
输出操作的重要性
输出操作指定了对流数据经转化操作得到的数据所要执行的操作。
与RDD中的惰性求值类似，如果没有执行输出操作，DStream将不会被求值。
常见的输出操作
print()：在驱动结点上打印DStream中每一批次数据的最开始10个元素，用于开发和调试。
saveAsTextFiles(prefix, [suffix])：以text文件形式存储DStream的内容。
saveAsObjectFiles(prefix, [suffix])：以Java对象序列化的方式存储数据。
saveAsHadoopFiles(prefix, [suffix])：将数据保存为Hadoop文件。
foreachRDD(func)：最通用的输出操作，对DStream中的每个RDD运行任意计算。可以将数据推送到外部系统，如MySQL数据库。
使用注意事项
连接操作不能写在driver层面（序列化问题）。
避免在foreach中对每个RDD中的每条数据都创建连接，效率较低。
可以使用foreachPartition在分区层面创建连接。