具體用法參考官網UpdateStateByKey Operation
updateStateByKey操作允許您在使用新信息不斷更新時保持任意狀態。 要使用它,您必須執行兩個步驟。
- 定義狀態 - 這個狀態可以是任意的數據類型
- 定義狀態update函數 - 用這個函數指定如何使用先前狀態和新輸入流裏的新值更新狀態
對於有狀態操作,要不斷的把當前和歷史的時間切片的RDD累加計算,隨着時間的流失,計算的數據規模會變得越來越大。
代碼:
package com.soul.spark.Streaming
import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}
/**
* @author soulChun
* @create 2019-01-09-20:02
* * 統計目前出現的單詞總次數
* * 1、將老數據存在某一個地方
* * 2、新建來的值和老數據進行狀態更新
*/
object StatefulFunApp {
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setAppName("StatafulFunApp").setMaster("local[2]")
val ssc = new StreamingContext(sparkConf,Seconds(10))
ssc.checkpoint("hdfs://localhost:8020/streamcheckpoint")
val lines = ssc.socketTextStream("localhost" , 8769)
val result = lines.flatMap( _.split(" ")).map((_,1))
val state = result.updateStateByKey[Int](updateFunction _)
state.print()
ssc.start()
ssc.awaitTermination()
}
def updateFunction(currentValues: Seq[Int], preValues: Option[Int]): Option[Int] = {
val current = currentValues.sum
val pre = preValues.getOrElse(0)
Some(current + pre)
}
}
會累計統計出單詞出現的次數