前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >输入DStream之基础数据源

输入DStream之基础数据源

作者头像
编程那点事
发布2023-02-25 15:59:22
2580
发布2023-02-25 15:59:22
举报
文章被收录于专栏:java编程那点事

HDFS文件 基于HDFS文件的实时计算,其实就是,监控一个HDFS目录,只要其中有新文件出现,就实时处理。相当于处理实时的文件流。 streamingContext.fileStream<KeyClass, ValueClass, InputFormatClass>(dataDirectory) streamingContext.fileStreamKeyClass, ValueClass, InputFormatClass Spark Streaming会监视指定的HDFS目录,并且处理出现在目录中的文件。要注意的是,所有放入HDFS目录中的文件,都必须有相同的格式;必须使用移动或者重命名的方式,将文件移入目录;一旦处理之后,文件的内容即使改变,也不会再处理了;基于HDFS文件的数据源是没有Receiver的,因此不会占用一个cpu core。

基于HDFS的实时wordcount程序 1、基于HDFS的实时wordcount程序

代码语言:javascript
复制
import java.util.Arrays;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import scala.Tuple2;

/**
* 基于HDFS文件的实时wordcount程序
* @author Administrator
*
*/
public class HDFSWordCount {

​public static void main(String[] args) {
​​SparkConf conf = new SparkConf()​​​​.setMaster("local[2]")​​​​.setAppName("HDFSWordCount");
JavaStreamingContext jssc = new JavaStreamingContext(conf, Durations.seconds(5));
​​// 首先,使用JavaStreamingContext的textFileStream()方法,针对HDFS目录创建输入数据流
​​JavaDStream<String> lines = jssc.textFileStream("hdfs://spark1:9000/wordcount_dir");
​​​​// 执行wordcount操作
​​JavaDStream<String> words = lines.flatMap(new FlatMapFunction<String, String>() {

​​​private static final long serialVersionUID = 1L;

​​​@Override
​​​public Iterable<String> call(String line) throws Exception {
​​​​return Arrays.asList(line.split(" "));
​​​}
​​});
JavaPairDStream<String, Integer> pairs = words.mapToPair(
new PairFunction<String, String, Integer>() {
​​​​​private static final long serialVersionUID = 1L;

​​​​​@Override
​​​​​public Tuple2<String, Integer> call(String word) ​​​​​​​throws Exception {
​​​​​​return new Tuple2<String, Integer>(word, 1);
​​​​​}
​​​​});
​​JavaPairDStream<String, Integer> wordCounts = pairs.reduceByKey(

​​​​new Function2<Integer, Integer, Integer>() {

private static final long serialVersionUID = 1L;

@Override
​​​​​public Integer call(Integer v1, Integer v2) throws Exception {
​​​​​​return v1 + v2;
​​​​​}​​​​
​​​​});
wordCounts.print();
​​jssc.start();
​​jssc.awaitTermination();
​​jssc.close();
​}
}

验证: Hadoop fs –mkdir /wordCount_dir

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019-02-23,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档