SparkStreaming部分：OutPutOperator类，SaveAsObjectFile算子（实际上底层调用textFileStream读取的，调用dstream保存的）【Java版纯代码】

最新推荐文章于 2022-09-06 11:17:37 发布

原创最新推荐文章于 2022-09-06 11:17:37 发布 · 553 阅读

CC 4.0 BY-SA版权

本文深入探讨SparkStreaming中的OutPutOperator类，重点解析SaveAsObjectFile算子的工作原理，该算子实际通过textFileStream读取数据，并演示如何使用Java代码进行配置和保存DStream。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

package streamingOperate.output;

import java.util.Arrays;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.function.FlatMapFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;

/**
 * saveAsObjectFiles(prefix, [suffix])：
 * 将此Dstream的内容保存为序列化的java 对象SequenceFiles ，
 * 每批次数据产生的文件名称格式基于：prefix和suffix: "prefix-TIME_IN_MS[.suffix]". 
 * 
 * 注意：
 * spark中普通rdd可以直接只用saveAsTextFile(path)的方式，保存到本地，但是此时DStream的只有saveAsTextFiles()方法，没有传入路径的方法，
 * 其参数只有prefix, suffix
 * 其实：DStream中的saveAsTextFiles方法中又调用了rdd中的saveAsTextFile方法，我们需要将path包含在prefix中
 *
 */
public class Operate_saveAsObjectFiles {
	public static void main(String[] args) {
		SparkConf conf = new SparkConf().setMaster("local").setAppName("Operate_saveAsObjectFiles");
		JavaStreamingContext jsc = new JavaStreamingContext(conf,Durations.seconds(5));
		JavaDStream<String> textFileStream = jsc.textFileStream("data");
		
		JavaDStream<String> flatMap = textFileStream.flatMap(new FlatMapFunction<String, String>() {

			/**
			 * 
			 */
			private static final long serialVersionUID = 1L;

			public Iterable<String> call(String t) throws Exception {
				
				return Arrays.asList(t.split(" "));
			}
		});
		//保存在当前路径中savedata路径下，以prefix开头，以suffix结尾的文件。
		flatMap.dstream().saveAsObjectFiles(".\\savedata\\prefix", "suffix");
		
		jsc.start();
		jsc.awaitTermination();
		jsc.close();
	}
}