Spark-Streaming之window滑動窗口應用

Spark-Streaming之window滑動窗口應用，Spark Streaming提供了滑動窗口操作的支持，從而讓我們可以對一個滑動窗口內的數據執行計算操作。每次掉落在窗口內的RDD的數據，會被聚合起來執行計算操作，然后生成的RDD，會作為window DStream的一個RDD。

網官圖中所示，就是對每三秒鍾的數據執行一次滑動窗口計算，這3秒內的3個RDD會被聚合起來進行處理，然后過了兩秒鍾，又會對最近三秒內的數據執行滑動窗口計算。所以每個滑動窗口操作，都必須指定兩個參數，窗口長度以及滑動間隔，而且這兩個參數值都必須是batch間隔的整數倍。

Spark Streaming對滑動窗口的支持，是比Storm更加完善和強大的。

 

 

Spark-Streaming對滑動窗口支持的轉換操作：

 

熱點搜索詞滑動統計，每隔10秒鍾，統計最近60秒鍾的搜索詞的搜索頻次，並打印出排名最靠前的3個搜索詞以及出現次數

scala版本：

package com.spark.streaming  
  
import org.apache.spark.streaming.Seconds  
import org.apache.spark.streaming.StreamingContext  
import org.apache.spark.SparkConf  
  
/** 
 * @author Ganymede 
 */  
object WindowHotWordS {  
  def main(args: Array[String]): Unit = {  
    val conf = new SparkConf().setAppName("WindowHotWordS").setMaster("local[2]")  
  
    //Scala中，創建的是StreamingContext  
    val ssc = new StreamingContext(conf, Seconds(5))  
  
    val searchLogsDStream = ssc.socketTextStream("spark1", 9999)  
  
    val searchWordsDStream = searchLogsDStream.map { searchLog => searchLog.split(" ")(1) }  
  
    val searchWordPairDStream = searchWordsDStream.map { searchWord => (searchWord, 1) }  
  
    // reduceByKeyAndWindow  
    // 第二個參數，是窗口長度，這是是60秒  
    // 第三個參數，是滑動間隔，這里是10秒  
    // 也就是說，每隔10秒鍾，將最近60秒的數據，作為一個窗口，進行內部的RDD的聚合，然后統一對一個RDD進行后續計算  
    // 而是只是放在那里  
    // 然后，等待我們的滑動間隔到了以后，10秒到了，會將之前60秒的RDD，因為一個batch間隔是5秒，所以之前60秒，就有12個RDD，給聚合起來，然后統一執行reduceByKey操作  
    // 所以這里的reduceByKeyAndWindow，是針對每個窗口執行計算的，而不是針對 某個DStream中的RDD  
    // 每隔10秒鍾，出來 之前60秒的收集到的單詞的統計次數  
    val searchWordCountsDStream = searchWordPairDStream.reduceByKeyAndWindow((v1: Int, v2: Int) => v1 + v2, Seconds(60), Seconds(10))  
  
      
    val finalDStream = searchWordCountsDStream.transform(searchWordCountsRDD => {  
      val countSearchWordsRDD = searchWordCountsRDD.map(tuple => (tuple._2, tuple._1))  
      val sortedCountSearchWordsRDD = countSearchWordsRDD.sortByKey(false)  
      val sortedSearchWordCountsRDD = sortedCountSearchWordsRDD.map(tuple => (tuple._1, tuple._2))  
      val top3SearchWordCounts = sortedSearchWordCountsRDD.take(3)  
  
      for (tuple <- top3SearchWordCounts) {  
        println("result : " + tuple)  
      }  
  
      searchWordCountsRDD  
    })  
  
    finalDStream.print()  
  
    ssc.start()  
    ssc.awaitTermination()  
  }  
}