spark stream入门案例：netcat准实时处理wordCount（scala 编程）

目录

案例需求

代码

结果

解析

---

         案例需求：

        使用netcat工具向9999端口不断的发送数据，通过SparkStreaming读取端口数据并统计不同单词出现的次数

        -- 1. Spark从socket中获取数据：一行一行的获取
        -- 2. Driver程序执行时，streaming处理过程不能结束
        -- 3. 采集器在正常情况下启动后就不应该停止，除非特殊情况
        -- 4. 采集器位于一个executor中，是一个线程，执行时需要一个核，如果设定的总核数为1时，那么在运行时因为没有核数，所以不会有打印结果，所以sparkStreaming使用的核数至少为2个
        -- 5. print()方法，默认是打印10行结果
        -- 6. netcat的指令：
 

      在Windows下：nc -lp 9999在linux下： nc -lk 9999

        代码： 

package cn.olo.streamimport org.apache.spark.SparkConf
import org.apache.spark.streaming.dstream.{DStream, ReceiverInputDStream}
import org.apache.spark.streaming.{Seconds, StreamingContext}object StreamDemo {def main(args: Array[String]): Unit = {// 连接SparkStreamingval sparkConf: SparkConf = new SparkConf().setMaster("local[*]").setAppName("sparkStreaming")/*1.方法：StreamingContext(形参)2.形参：形参1：conf: SparkConf：spark配置对象形参2：batchDuration: Duration：采集时间*/val ssc = new StreamingContext(sparkConf,Seconds(5))// 需求：使用netcat工具向9999端口不断的发送数据，通过SparkStreaming读取端口数据并统计不同单词出现的次数// 1. 获取netcat工具9999端口的连接，并开始接收数据// 从socket中获取数据：一行一行的获取val socketDS: ReceiverInputDStream[String] = ssc.socketTextStream("localhost",9999)// 2. 数据处理val wordDS: DStream[String] = socketDS.flatMap(_.split(" "))val wordToSumDS: DStream[(String, Int)] = wordDS.map((_,1)).reduceByKey(_ + _ )// 3. 打印数据wordToSumDS.print()// 4. Driver程序执行时，streaming处理过程不能结束// 采集器在正常情况下启动后就不应该停止，除非特殊情况// 启动采集器ssc.start()// 等待采集器的结束ssc.awaitTermination()}}

结果：

解析：

        a、采集周期时间之间，每一个采集周期生成一个RDD，按照时间的顺序依次进行
        b、在每一个采集周期内，会执行wordcount计算，最终得出:统计出每一个采集周期时间的wordcount