频道栏目
首页 > 程序开发 > 综合编程 > 其他综合 > 正文
spark-streaming 编程(五)updateStateByKey
2017-08-26 09:34:00         来源:刘光华的专栏  
收藏   我要投稿

updateStateByKey(func)

从名字上来看,该函数会更新根据key聚合,并不断更新value值

要想使用该函数,Dstream之前的类型必须是K,V形式的二元组。
经过执行func函数后,会返回一个key的所有的聚合值得状态。

以word count为例,对于每一个批的数据进行分解聚合,会得到当前的这个批的状态,经过聚合后得到值的,假设有(word1,10),(word2,15),(word3,1);
而对于之前的累积值,(word1,100),(word2,10),(word3,15),(word4,10)
则下一步的状态值为(word1,100+10),(word2,10+15),(word3,1+15),(word4,0+10)
等待下一个批次的数据到了,继续按照这个逻辑进行处理。

代码示例:

package com.lgh.sparkstreaming

import kafka.serializer.StringDecoder
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.streaming.dstream.DStream
import org.apache.spark.streaming.kafka.KafkaUtils

/**
  * Created by lgh on 2017/8/24.
  */
object UpdateStateByKey {
  def main(args: Array[String]): Unit = {
    val brokers = "mtime-bigdata00:9092,mtime-bigdata01:9092";
    val topics = "testkafka";
    val batchseconds = "10";
    val checkpointDirectory = "./upbykey";
    val ssc = StreamingContext.getOrCreate(checkpointDirectory, () => createcontext(brokers, topics, batchseconds, checkpointDirectory))
    ssc.start()
    ssc.awaitTermination()
  }

  def createcontext(brokers: String, topics: String, batchseconds: String, checkpointDirectory: String): StreamingContext = {
    val sparkconf = new SparkConf().setAppName("TestUpStateByKey").setMaster("local[3]")
    val ssc = new StreamingContext(sparkconf, Seconds(batchseconds.toInt))
    val topicsSet = topics.split(",").toSet
    val kafkaParams = Map[String, String]("metadata.broker.list" -> brokers);

    val messages = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topicsSet)

    val lines: DStream[String] = messages.map(_._2)

    val message: DStream[(String, Long)] = lines.flatMap(_.split(" ")).map(x => (x, 1L)).reduceByKey(_+_)

    val keyvalue=message.updateStateByKey[Long](addFunction _)
    keyvalue.print(100)

    ssc.checkpoint(checkpointDirectory)
    ssc
  }

  //curValues:对于每一个key的所有value值得集合Seq
  //preVauleState: 之前的每一个key的值对应的value值;这这个例子中是单词计数的之前的累计值
  //
  def addFunction(currValues: Seq[Long], preVauleState: Option[Long]): Option[Long] = {
    //计算得到当前key在这个Dstream中的值
    val currentSum:Long = currValues.sum
    //得到当前key以前的累积值
    val previousSum:Long = preVauleState.getOrElse(0)
    //计算出当前key对应的新的值
    val nowvalue:Long=currentSum + previousSum;
    //返回结果值;在scala中,Some和None是Option的子类
    Some(nowvalue)
  }

}
点击复制链接 与好友分享!回本站首页
上一篇:Flume 监控
下一篇:输出单层节点
相关文章
图文推荐
文章
推荐
点击排行

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站