這篇文章將為大家詳細(xì)講解有關(guān)Spark中Spark Streaming怎么用，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

我們提供的服務(wù)有：成都網(wǎng)站建設(shè)、成都做網(wǎng)站、微信公眾號(hào)開發(fā)、網(wǎng)站優(yōu)化、網(wǎng)站認(rèn)證、黎城ssl等。為上1000+企事業(yè)單位解決了網(wǎng)站和推廣的問題。提供周到的售前咨詢和貼心的售后服務(wù)，是有科學(xué)管理、有技術(shù)的黎城網(wǎng)站制作公司

1. Spark Streaming

• Spark Streaming是一個(gè)基于Spark Core之上的實(shí)時(shí)計(jì)算框架，可以從很多數(shù)據(jù)源消費(fèi)數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行處理

• Spark Streaing中有一個(gè)最基本的抽象叫DStream（代理）,本質(zhì)上就是一系列連續(xù)的RDD，DStream其實(shí)就是對(duì)RDD的封裝

• DStream可以認(rèn)為是一個(gè)RDD的工廠，該DStream里面生產(chǎn)都是相同業(yè)務(wù)邏輯的RDD，只不過是RDD里面要讀取數(shù)據(jù)的不相同

• 在一個(gè)批次的處理時(shí)間間隔里， DStream只產(chǎn)生一個(gè)RDD

• DStream就相當(dāng)于一個(gè)"模板", 我們可以根據(jù)這個(gè)"模板"來處理一段時(shí)間間隔之內(nèi)產(chǎn)生的這個(gè)rdd,以此為依據(jù)來構(gòu)建rdd的DAG

2. 當(dāng)下比較流行的實(shí)時(shí)計(jì)算引擎

吞吐量 編程語言 處理速度 生態(tài)

Storm 較低 clojure 非?？?亞秒) 阿里(JStorm)

Flink 較高 scala 較快(亞秒) 國(guó)內(nèi)使用較少

Spark Streaming 非常高 scala 快(毫秒) 完善的生態(tài)圈

3. Spark Streaming處理網(wǎng)絡(luò)數(shù)據(jù)

//創(chuàng)建StreamingContext 至少要有兩個(gè)線程 一個(gè)線程用于接收數(shù)據(jù) 一個(gè)線程用于處理數(shù)據(jù)
val conf = new SparkConf().setAppName("Ops1").setMaster("local[2]")
val ssc = new StreamingContext(conf, Milliseconds(3000))
val receiverDS: ReceiverInputDStream[String] = ssc.socketTextStream("uplooking01", 44444)
val pairRetDS: DStream[(String, Int)] = receiverDS.flatMap(_.split(",")).map((_, 1)).reduceByKey(_ + _)
pairRetDS.print()
//開啟流計(jì)算
ssc.start()
//優(yōu)雅的關(guān)閉
ssc.awaitTermination()

4. Spark Streaming接收數(shù)據(jù)的兩種方式(Kafka)

Receiver

• 偏移量是由zookeeper來維護(hù)的

• 使用的是Kafka高級(jí)的API(消費(fèi)者的API)

• 編程簡(jiǎn)單

• 效率低(為了保證數(shù)據(jù)的安全性,會(huì)開啟WAL)

• kafka0.10的版本中已經(jīng)徹底棄用Receiver了

• 生產(chǎn)環(huán)境一般不會(huì)使用這種方式

Direct

• 偏移量是有我們來手動(dòng)維護(hù)

• 效率高(我們直接把spark streaming接入到kafka的分區(qū)中了)

• 編程比較復(fù)雜

• 生產(chǎn)環(huán)境一般使用這種方式

5. Spark Streaming整合Kafka

基于Receiver的方式整合kafka(生產(chǎn)環(huán)境不建議使用,在0.10中已經(jīng)移除了)

//創(chuàng)建StreamingContext 至少要有兩個(gè)線程 一個(gè)線程用于接收數(shù)據(jù) 一個(gè)線程用于處理數(shù)據(jù)
val conf = new SparkConf().setAppName("Ops1").setMaster("local[2]")
val ssc = new StreamingContext(conf, Milliseconds(3000))
val zkQuorum = "uplooking03:2181,uplooking04:2181,uplooking05:2181"
val groupId = "myid"
val topics = Map("hadoop" -> 3)
val receiverDS: ReceiverInputDStream[(String, String)] = KafkaUtils.createStream(ssc, zkQuorum, groupId, topics)
receiverDS.flatMap(_._2.split(" ")).map((_,1)).reduceByKey(_+_).print()
ssc.start()
ssc.awaitTermination()

基于Direct的方式(生產(chǎn)環(huán)境使用)

//創(chuàng)建StreamingContext 至少要有兩個(gè)線程 一個(gè)線程用于接收數(shù)據(jù) 一個(gè)線程用于處理數(shù)據(jù)
val conf = new SparkConf().setAppName("Ops1").setMaster("local[2]")
val ssc = new StreamingContext(conf, Milliseconds(3000))
val kafkaParams = Map("metadata.broker.list" -> "uplooking03:9092,uplooking04:9092,uplooking05:9092")
val topics = Set("hadoop")
val inputDS: InputDStream[(String, String)] = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics)
inputDS.flatMap(_._2.split(" ")).map((_, 1)).reduceByKey(_ + _).print()
ssc.start()
ssc.awaitTermination()

6. 實(shí)時(shí)流計(jì)算的架構(gòu)

1. 生成日志(模擬用戶訪問web應(yīng)用的日志)

public class GenerateAccessLog {
  public static void main(String[] args) throws IOException, InterruptedException {
    //準(zhǔn)備數(shù)據(jù)
    int[] ips = {123, 18, 123, 112, 181, 16, 172, 183, 190, 191, 196, 120};
    String[] requesTypes = {"GET", "POST"};
    String[] cursors = {"/vip/112", "/vip/113", "/vip/114", "/vip/115", "/vip/116", "/vip/117", "/vip/118", "/vip/119", "/vip/120", "/vip/121", "/free/210", "/free/211", "/free/212", "/free/213", "/free/214", "/company/312", "/company/313", "/company/314", "/company/315"};

    String[] courseNames = {"大數(shù)據(jù)", "python", "java", "c++", "c", "scala", "android", "spark", "hadoop", "redis"};
    String[] references = {"www.baidu.com/", "www.sougou.com/", "www.sou.com/", "www.google.com"};
    FileWriter fw = new FileWriter(args[0]);
    PrintWriter printWriter = new PrintWriter(fw);
    while (true) {
      //      Thread.sleep(1000);
      //產(chǎn)生字段
      String date = new Date().toLocaleString();
      String method = requesTypes[getRandomNum(0, requesTypes.length)];
      String url = "/cursor" + cursors[getRandomNum(0, cursors.length)];
      String HTTPVERSION = "HTTP/1.1";
      String ip = ips[getRandomNum(0, ips.length)] + "." + ips[getRandomNum(0, ips.length)] + "." + ips[getRandomNum(0, ips.length)] + "." + ips[getRandomNum(0, ips.length)];
      String reference = references[getRandomNum(0, references.length)];
      String rowLog = date + " " + method + " " + url + " " + HTTPVERSION + " " + ip + " " + reference;
      printWriter.println(rowLog);
      printWriter.flush();
    }
  }


  //[start,end)
  public static int getRandomNum(int start, int end) {
    int i = new Random().nextInt(end - start) + start;
    return i;
  }
}

2. flume使用avro采集web應(yīng)用服務(wù)器的日志數(shù)據(jù)

采集命令執(zhí)行的結(jié)果到avro中

# The configuration file needs to define the sources, 
# the channels and the sinks.
# Sources, channels and sinks are defined per agent, 
# in this case called 'agent'
f1.sources = r1
f1.channels = c1
f1.sinks = k1

#define sources
f1.sources.r1.type = exec
f1.sources.r1.command =tail -F /logs/access.log

#define channels
f1.channels.c1.type = memory
f1.channels.c1.capacity = 1000
f1.channels.c1.transactionCapacity = 100

#define sink 采集日志到uplooking03
f1.sinks.k1.type = avro
f1.sinks.k1.hostname = uplooking03
f1.sinks.k1.port = 44444

#bind sources and sink to channel 
f1.sources.r1.channels = c1
f1.sinks.k1.channel = c1
從avro采集到控制臺(tái)
# The configuration file needs to define the sources, 
# the channels and the sinks.
# Sources, channels and sinks are defined per agent, 
# in this case called 'agent'
f2.sources = r2
f2.channels = c2
f2.sinks = k2

#define sources
f2.sources.r2.type = avro
f2.sources.r2.bind = uplooking03
f2.sources.r2.port = 44444

#define channels
f2.channels.c2.type = memory
f2.channels.c2.capacity = 1000
f2.channels.c2.transactionCapacity = 100

#define sink
f2.sinks.k2.type = logger

#bind sources and sink to channel 
f2.sources.r2.channels = c2
f2.sinks.k2.channel = c2
從avro采集到kafka中
# The configuration file needs to define the sources, 
# the channels and the sinks.
# Sources, channels and sinks are defined per agent, 
# in this case called 'agent'
f2.sources = r2
f2.channels = c2
f2.sinks = k2

#define sources
f2.sources.r2.type = avro
f2.sources.r2.bind = uplooking03
f2.sources.r2.port = 44444

#define channels
f2.channels.c2.type = memory
f2.channels.c2.capacity = 1000
f2.channels.c2.transactionCapacity = 100

#define sink
f2.sinks.k2.type = org.apache.flume.sink.kafka.KafkaSink
f2.sinks.k2.topic = hadoop
f2.sinks.k2.brokerList = uplooking03:9092,uplooking04:9092,uplooking05:9092
f2.sinks.k2.requiredAcks = 1

關(guān)于“Spark中Spark Streaming怎么用”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。