Spark streaming 入門實驗

Spark Streaming 是一個基於spark的實時計算框架。詳細說明參考Spark Streaming Programming Guide. 以下是編程指南WordCount例子的在spark-shell了實驗記錄。運行前，把spar/conf目錄下的log4j.properties裏的日誌級別由INFO改爲WARN，否則會打印太多的日誌。

1. 運行 nc 模擬數據源輸入

文中的命令爲 nc -lk 9999 ，運行後在另一個窗口用netstat -tnlp | grep 9999 命令檢查一下，如果沒有輸出改用nc -lk -p 9999 再試一下。

2. 運行 spark-shell

spark-shell --master spark://d-hdp-01:7077 --executor-memory 1g

在paste模式拷貝以下代碼，其中ip地址根據實際情況設置，spark-shell已創建了上下文，就不用在創建上下文了。

import org.apache.spark._  
import org.apache.spark.streaming._  
import org.apache.spark.streaming.StreamingContext._  
val ssc = new StreamingContext(sc, Seconds(1))  
val lines = ssc.socketTextStream("192.1.131.205", 9999)  
  
val words = lines.flatMap(_.split(" "))  
val pairs = words.map(word => (word, 1))  
val wordCounts = pairs.reduceByKey(_ + _)  
wordCounts.print()  
  
ssc.start()             // Start the computation  
ssc.awaitTermination()  // Wait for the computation to terminate  

nc 中沒有輸入的的情況下

在nc中輸入數據