Dstream入门WordCount_大数据培训

发布时间:2021年08月31日作者:atguigu浏览次数:320

  WordCount案例实操

1.需求: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

2.添加依赖

<dependency>

    <groupId>org.apache.spark</groupId>

    <artifactId>spark-streaming_2.11</artifactId>

    <version>2.1.1</version>

</dependency>

3.编写代码

package com.atguigu

import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}

import org.apache.spark.streaming.{Seconds, StreamingContext}

import org.apache.spark.SparkConf

object StreamWordCount {

  def main(args: Array[String]): Unit = {

    //1.初始化Spark配置信息

    val sparkConf = new SparkConf().setMaster(“local[*]”).setAppName(“StreamWordCount”)

    //2.初始化SparkStreamingContext

    val ssc = new StreamingContext(sparkConf, Seconds(3))

    //3.通过监控端口创建DStream,读进来的数据为一行行

    val lineStreams = ssc.socketTextStream(“hadoop102”, 9999)

    //将每一行数据做切分,形成一个个单词

    val wordStreams = lineStreams.flatMap(_.split(” “))

    //将单词映射成元组(word,1)

    val wordAndOneStreams = wordStreams.map((_, 1))

    //将相同的单词次数做统计

    val wordAndCountStreams = wordAndOneStreams.reduceByKey(_+_)

    //打印

    wordAndCountStreams.print()

    //启动SparkStreamingContext

    ssc.start()

    ssc.awaitTermination()

  }

}

4.启动程序并通过NetCat发送数据:

[atguigu@hadoop102 spark]$ nc -lk 9999

hello atguigu

注意:如果程序运行时,log日志太多,可以将spark conf目录下的log4j文件里面的日志级别改成WARN。

WordCount解析

Discretized Stream是Spark Streaming的基础抽象,代表持续性的数据流和经过各种Spark原语操作后的结果数据流。在内部实现上,DStream是一系列连续的RDD来表示。每个RDD含有一段时间间隔内的数据,如下图:

大数据培训

想要了解跟多关于大数据培训课程内容欢迎关注尚硅谷大数据培训,尚硅谷除了这些技术文章外还有免费的高质量大数据培训课程视频供广大学员下载学习。


上一篇:
下一篇:
相关课程

java培训 大数据培训 前端培训 UI/UE设计培训

关于尚硅谷
教育理念
名师团队
学员心声
资源下载
视频下载
资料下载
工具下载
加入我们
招聘岗位
岗位介绍
招贤纳师
联系我们
全国统一咨询电话:010-56253825
地址:北京市昌平区宏福科技园2号楼3层(北京校区)

深圳市宝安区西部硅谷大厦B座C区一层(深圳校区)

上海市松江区谷阳北路166号大江商厦3层(上海校区)

武汉市东湖高新开发区东湖网谷(武汉校区)

西安市雁塔区和发智能大厦B座3层(西安校区)