目录

SparkStreaming实战案例五 TopN-transform

需求

注意：

​​​​​​​代码实现

SparkStreaming实战案例五 TopN-transform

需求

使用窗口计算模拟热搜排行榜:

每隔10s计算最近20s的热搜排行榜!

注意：

DStream没有直接排序的方法!所以应该调用transform方法对DStream底层的RDD进行操作,调用RDD的排序方法!

transform(函数),该函数会作用到DStream底层的RDD上!

​​​​​​​代码实现

      package cn.itcast.streaming
      import org.apache.spark.rdd.RDD
      import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
      import org.apache.spark.streaming.{Seconds, StreamingContext}
      import org.apache.spark.{SparkConf, SparkContext}
      /**
       * 使用SparkStreaming接收Socket数据,node01:9999
       * 使用窗口计算模拟热搜排行榜:
       * 每隔10s计算最近20s的热搜排行榜!
       */
      object SparkStreamingDemo05_TopN {
        def main(args: Array[String]): Unit = {
          //1.创建环境
          val conf: SparkConf = new SparkConf().setAppName(this.getClass.getSimpleName.stripSuffix("$")).setMaster("local[*]")
          val sc: SparkContext = new SparkContext(conf)
          sc.setLogLevel("WARN")
          val ssc: StreamingContext = new StreamingContext(sc, Seconds(5))
          ssc.checkpoint("./ckp")
          //2.接收socket数据
          val linesDS: ReceiverInputDStream[String] = ssc.socketTextStream("node1",9999)
          //3.做WordCount
          val wordAndCountDS: DStream[(String, Int)] = linesDS
            .flatMap(_.split(" "))
            .map((_, 1))
            //windowDuration:窗口长度:就算最近多久的数据,必须都是微批间隔的整数倍
            //slideDuration :滑动间隔:就是每隔多久计算一次,,必须都是微批间隔的整数倍
            //每隔10s(slideDuration :滑动间隔)计算最近20s(windowDuration:窗口长度)的热搜排行榜!
            .reduceByKeyAndWindow((v1:Int, v2:Int)=>v1+v2, Seconds(20),Seconds(10))
          //排序取TopN
          //注意:DStream没有直接排序的方法!所以应该调用DStream底层的RDD的排序方法!
          //transform(函数),该函数会作用到DStream底层的RDD上!
          val resultDS: DStream[(String, Int)] = wordAndCountDS.transform(rdd => {
            val sortedRDD: RDD[(String, Int)] = rdd.sortBy(_._2, false)
            val top3: Array[(String, Int)] = sortedRDD.take(3) //取出当前RDD中排好序的前3个热搜词!
            println("======top3--start======")
            top3.foreach(println)
            println("======top3--end======")
            sortedRDD
          })
          //4.输出
          resultDS.print()
          //5.启动并等待程序停止
          ssc.start()
          ssc.awaitTermination()
          ssc.stop(stopSparkContext = true, stopGracefully = true)
        }
      }
  
 

文章来源: lansonli.blog.csdn.net，作者：Lansonli，版权归原作者所有，如需转载，请联系作者。

原文链接：lansonli.blog.csdn.net/article/details/115986020