SparkStreaming入门案例

一、准备工作

---

• 实验环境：netcat
• 安装nc：yum install -y nc

二、任务分析

---

将nc作为服务器端，用户产生数据；启动sparkstreaming案例中的客户端程序，监听服务器端发送过来的数据，并对其数据进行词频统计，即为流式的wordcount入门程序

三、官网案例

---

• 启动nc作为服务器端，执行：nc -l -p 6666，并输入测试数据，如图所示：
  

• 启动客户端，执行：

  bin/run-example streaming.NetworkWordCount localhost 6666
  

  结果如图所示：
  
  注意）：如果要执行本例，必须确保机器 cpu 核数大于 2
  

四、开发NetWordCount

---

1. 创建maven工程
2. 添加maven依赖，即在pom.xml中添加streamming的依赖，如下：

    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming_2.12</artifactId>
        <version>2.4.8</version>
    </dependency>
   

3. 开发NetWordCount程序

   import org.apache.spark.SparkConf
   import org.apache.spark.storage.StorageLevel
   import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
   import org.apache.spark.streaming.{Seconds, StreamingContext}
   
   object StreamingTest {
     def main(args: Array[String]): Unit = {
       val sparkConf = new SparkConf().setMaster("local[2]").setAppName("StreamingTest")
       val streamingContext = new StreamingContext(sparkConf, Seconds(3))
       // 创建DStream对象，并链接到nc服务器端
       val ris: ReceiverInputDStream[String] = streamingContext.socketTextStream("niit01", 6666, StorageLevel.MEMORY_AND_DISK)
       // 采集数据，并处理数据
       val ds: DStream[String] = ris.flatMap(_.split(" "))
       // 统计单词
       val resultDS: DStream[(String, Int)] = ds.map(x => (x, 1)).reduceByKey(_ + _)
       // 打印结果
       resultDS.print()
       // 启动实时计算
       streamingContext.start()
       // 等待计算结束
       streamingContext.awaitTermination()
     }
   }
   

4. 先在虚拟机上启动nc服务器：nc -l -p 6666，并输入测试数据，如图：
   
5. 然后运行程序
6. 运行结果如下：
   
   注意：程序会一直处于运行状态，等待服务器端发送数据 如想停止程序，需要手动去停止。