大数据系列-SPARK-STREAMING流数据receiver

原创已于 2022-03-20 21:18:44 修改 · 962 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#分布式 #大数据 #SPARK #SPARK-STREAMING #SCALA

于 2022-03-20 21:13:56 首次发布

分布式同时被 3 个专栏收录

26 篇文章

订阅专栏

大数据

16 篇文章

订阅专栏

spark

9 篇文章

订阅专栏

该博客介绍了如何使用Scala实现Spark Streaming的自定义Receiver，通过创建`CustomReceiver`类来不断接收并存储模拟的实时数据。在`onStart`方法中，新线程不断生成并存储消息，而在`onStop`方法中停止接收。整个流程展示了Spark Streaming在处理流数据时的基本用法，适合理解Spark Streaming的receiver机制。

大数据系列-SPARK-STREAMING流数据receiver

package com.test

import org.apache.spark.SparkConf
import org.apache.spark.storage.StorageLevel
import org.apache.spark.streaming.receiver.Receiver
import org.apache.spark.streaming.{Seconds, StreamingContext}

import scala.util.Random

//采集器
object SparkStreamingReceiver {

  def main(args: Array[String]): Unit = {

    val sparkConf = new SparkConf().setAppName("SparkStreamingReceiver").setMaster("local[*]")
    val streamingContext = new StreamingContext(sparkConf, Seconds(5))

    streamingContext.receiverStream(new CustomReceiver).print()

    streamingContext.start()
    streamingContext.awaitTermination()
  }

  class CustomReceiver extends Receiver[String](StorageLevel.MEMORY_ONLY) {
    private   var flag = true
    override def onStart(): Unit = {
      new Thread(() => {
        while (flag) {
          val message = "message:" + new Random().nextInt(500).toString
          store(message)
          Thread.sleep(500)
        }
      }).start()
    }

    override def onStop(): Unit = {
      flag = false
    }
  }

}