SparkStreaming接收socket数据，实现单词计数WordCount

架构图

实现流程

1. 安装并启动生产者
        首先在Linux服务器上用YUM安装nc工具，nc命令式netcat命令的简称，都是用来设置路由器。我们可以利用它向某个端口发送数据

    yum install -y nc
   

2. 通过netcat工具向指定的端口发送数据

    nc-lk 9999
   

3. 编写Spark Sttreaming程序

package cn.test.spark

import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.{Seconds, StreamingContext}
import org.apache.spark.{SparkConf, SparkContext}

/**
  * sparkStreming流式处理接受socket数据，实现单词统计
  */
object  SparkStreamingTCP {

  def main(args: Array[String]): Unit = {
    //配置sparkConf参数
    val sparkConf: SparkConf = new SparkConf().setAppName("SparkStreamingTCP").setMaster("local[2]")
    //构建sparkContext对象
    val sc: SparkContext = new SparkContext(sparkConf)
    //设置日志输出级别
    sc.setLogLevel("WARN")
    //构建StreamingContext对象，每个批处理的时间间隔
    val scc: StreamingContext = new StreamingContext(sc,Seconds(5))
    //注册一个监听的IP地址和端口  用来收集数据
    val lines: ReceiverInputDStream[String] = scc.socketTextStream("192.168.200.160",9999)
    //切分每一行记录
    val words: DStream[String] = lines.flatMap(_.split(" "))
    //每个单词记为1
    val wordAndOne: DStream[(String, Int)] = words.map((_,1))
    //分组聚合
    val result: DStream[(String, Int)] = wordAndOne.reduceByKey(_+_)
    //打印数据
    result.print()
    scc.start()
    scc.awaitTermination()
  }
}

由于使用的式本地模式"local[2]"所以可以直接在本地运行该程序

注意：

要指定并行度，如在本地运行设置setMaster("local[2])，相当于启动俩个线程，一个给receiver，一个给computer。如果是在集群中运行，必须要求集群中可用core数大于1

执行查看效果

1.  先执行nc -1k 9999
   

2.  然后在执行上述代码
   

现象：SparkStreaming每隔5s计算一次当前5s内的数据，然后将每个批次的数据输出。

SparkStreaming接受socket数据，实现单词计数累加