一、Java方式開發
1、開發前准備
假定您以搭建好了Spark集群。
2、開發環境采用eclipse maven工程，需要添加Spark Streaming依賴。
3、Spark streaming 基於Spark Core進行計算，需要注意事項：
設置本地master，如果指定local的話，必須配置至少二條線程，也可通過sparkconf來設置，因為Spark Streaming應用程序在運行的時候，至少有一條線程用於不斷的循環接收數據，並且至少有一條線程用於處理接收的數據（否則的話無法有線程用於處理數據），隨着時間的推移，內存和磁盤都會不堪重負）。
溫馨提示：
對於集群而言，每隔exccutor一般肯定不只一個Thread，那對於處理Spark Streaming應用程序而言，每個executor一般分配多少core比較合適？根據我們過去的經驗，5個左右的core是最佳的（段子:分配為奇數個core的表現最佳,例如：分配3個、5個、7個core等）
接下來，讓我們開始動手寫寫Java代碼吧！
第一步：
第二步：
我們采用基於配置文件的方式創建SparkStreamingContext對象
第三步,創建Spark Streaming輸入數據來源:
我們將數據來源配置為本地端口9999（注意端口要求沒有被占用）:
第四步：我們就像對RDD編程一樣，基於DStream進行編程，原因是DStream是RDD產生的模板，在Spark Streaming發生計算前，其實質是把每個Batch的DStream的操作翻譯成為了RDD操作。
1、flatMap操作：
2、 mapToPair操作：
3、reduceByKey操作：
4、print等操作：
溫馨提示：
除了print()方法將處理后的數據輸出之外，還有其他的方法也非常重要，在開發中需要重點掌握，比如SaveAsTextFile,SaveAsHadoopFile等，最為重要的是foreachRDD方法，這個方法可以將數據寫入Redis,DB,DashBoard等，甚至可以隨意的定義數據放在哪里，功能非常強大。
二、Scala方式開發
第一步，接收數據源：
第二步，flatMap操作：
第三步，map操作：
第四步，reduce操作：
第五步，print()等操作：
第六步：awaitTermination操作
