Spark Streaming中window滑动窗口的应用

Spark Streaming中window滑动窗口应用，Spark Streaming提供了滑动窗口操作的支持，从而让我们可以对一个滑动窗口内的数据执行计算操作。每次掉落在窗口内的RDD的数据，会被聚合起来执行计算操作，然后生成的RDD，会作为window DStream的一个RDD。

如官网图例中所示，就是对每三秒钟的数据执行一次滑动窗口计算，这3秒内的3个RDD会被聚合起来进行处理，然后过了两秒钟，又会对最近三秒内的数据执行滑动窗口计算。所以每个滑动窗口操作，都必须指定两个参数，窗口长度以及滑动间隔，而且这两个参数值都必须是batch间隔的整数倍。

Spark Streaming对滑动窗口的支持，是比Storm更加完善和强大的。

 

Spark Streaming对滑动窗口支持的转换操作：

案例：

热点搜索词滑动统计，每个10秒钟，统计最近60秒钟的搜索词的搜索频次，并打印出排名最靠前的3个搜索词以及出现次数。

scala版本：

package com.spark.streaming      import org.apache.spark.streaming.Seconds   import org.apache.spark.streaming.StreamingContext   import org.apache.spark.SparkConf      /**   * @author Ganymede   */   object WindowHotWordS {     def main(args: Array[String]): Unit = {       val conf = new SparkConf().setAppName("WindowHotWordS").setMaster("local[2]")          //Scala中，创建的是StreamingContext       val ssc = new StreamingContext(conf, Seconds(5))          val searchLogsDStream = ssc.socketTextStream("spark1", 9999)          val searchWordsDStream = searchLogsDStream.map { searchLog => searchLog.split(" ")(1) }          val searchWordPairDStream = searchWordsDStream.map { searchWord => (searchWord, 1) }          // reduceByKeyAndWindow       // 第二个参数，是窗口长度，这是是60秒       // 第三个参数，是滑动间隔，这里是10秒       // 也就是说，每隔10秒钟，将最近60秒的数据，作为一个窗口，进行内部的RDD的聚合，然后统一对一个RDD进行后续计算       // 而是只是放在那里       // 然后，等待我们的滑动间隔到了以后，10秒到了，会将之前60秒的RDD，因为一个batch间隔是5秒，所以之前60秒，就有12个RDD，给聚合起来，然后统一执行reduceByKey操作       // 所以这里的reduceByKeyAndWindow，是针对每个窗口执行计算的，而不是针对 某个DStream中的RDD       // 每隔10秒钟，出来 之前60秒的收集到的单词的统计次数       val searchWordCountsDStream = searchWordPairDStream.reduceByKeyAndWindow((v1: Int, v2: Int) => v1 + v2, Seconds(60), Seconds(10))                 val finalDStream = searchWordCountsDStream.transform(searchWordCountsRDD => {         val countSearchWordsRDD = searchWordCountsRDD.map(tuple => (tuple._2, tuple._1))         val sortedCountSearchWordsRDD = countSearchWordsRDD.sortByKey(false)         val sortedSearchWordCountsRDD = sortedCountSearchWordsRDD.map(tuple => (tuple._1, tuple._2))         val top3SearchWordCounts = sortedSearchWordCountsRDD.take(3)            for (tuple <- top3SearchWordCounts) {           println("result : " + tuple)         }            searchWordCountsRDD       })          finalDStream.print()          ssc.start()       ssc.awaitTermination()     }   }