Spark Streaming提供兩類內置流媒體源。
基本來源:StreamingContext API中直接提供的源。示例:文件系統和套接字連接。
高級資源:Kafka,Flume,Kinesis等資源可通過額外的實用程序類獲得。
基本來源如下,高級來源可參考官網例子:
https://github.com/apache/spark/blob/master/examples/src/main/scala/org/apache/spark/examples/streaming/DirectKafkaWordCount.scala
方法一、通過套接字socket創建
object GenerateChar {
def generateContext(index : Int) : String = {
import scala.collection.mutable.ListBuffer
val charList = ListBuffer[Char]()
for(i <- 65 to 90)
charList += i.toChar
val charArray = charList.toArray
charArray(index).toString
}
def index = {
import java.util.Random
val rdm = new Random
rdm.nextInt(7)
}
def main(args: Array[String]) {
val listener = new ServerSocket(9998)
while(true){
val socket = listener.accept()
new Thread(){
override def run() = {
println("Got client connected from :"+ socket.getInetAddress)
val out = new PrintWriter(socket.getOutputStream,true)
while(true){
Thread.sleep(500)
val context = generateContext(index) //產生的字符是字母表的前七個隨機字母
println(context)
out.write(context + '\n')
out.flush()
}
socket.close()
}
}.start()
}
}
}
object ScoketStreaming {
def main(args: Array[String]) {
//創建一個本地的StreamingContext,含2個工作線程
val conf = new SparkConf().setMaster("local[2]").setAppName("ScoketStreaming")
val sc = new StreamingContext(conf,Seconds(10)) //每隔10秒統計一次字符總數
//創建珍一個DStream,連接master:9998
val lines = sc.socketTextStream("master",9998)
val words = lines.flatMap(_.split(" "))
val wordCounts = words.map(x => (x , 1)).reduceByKey(_ + _)
wordCounts.print()
sc.start() //開始計算
sc.awaitTermination() //通過手動終止計算,否則一直運行下去
}
}
方法二、文件流
Spark Streaming通過監控文件系統的變化,若有新文件添加,則將它讀入並作爲數據流
需要注意的是:
1.這些文件具有相同的格式
2.這些文件通過原子移動或重命名文件的方式在dataDirectory創建
3.一旦移動這些文件,就不能再進行修改,如果在文件中追加內容,這些追加的新數據也不會被讀取。
object FileStreaming {
def main(args: Array[String]) {
val conf = new SparkConf().setMaster("local").setAppName("FileStreaming")
val sc = new StreamingContext(conf,Seconds(5))
val lines = sc.textFileStream("/home/hadoop/wordCount")
val words = lines.flatMap(_.split(" "))
val wordCounts = words.map(x => (x , 1)).reduceByKey(_ + _)
sc.start()
sc.awaitTermination()
}
}
方法三、RDD隊列流
使用streamingContext.queueStream(queueOfRDD)創建基於RDD隊列的DStream,用於調試Spark Streaming應用程序。
QueueStream:程序每隔1秒就創建一個RDD,Streaming每隔1秒就就對數據進行處理
object QueueStream {
def main(args: Array[String]) {
val conf = new SparkConf().setMaster("local[2]").setAppName("queueStream")
//每1秒對數據進行處理
val ssc = new StreamingContext(conf,Seconds(1))
//創建一個能夠push到QueueInputDStream的RDDs隊列
val rddQueue = new mutable.SynchronizedQueue[RDD[Int]]()
//基於一個RDD隊列創建一個輸入源
val inputStream = ssc.queueStream(rddQueue)
val mappedStream = inputStream.map(x => (x % 10,1))
val reduceStream = mappedStream.reduceByKey(_ + _)
reduceStream.print
ssc.start()
for(i <- 1 to 30){
rddQueue += ssc.sparkContext.makeRDD(1 to 100, 2) //創建RDD,並分配兩個核數
Thread.sleep(1000)
}
ssc.stop()
}
}