structured-streaming

编程模型

结构化数据流中的关键思想是将实时数据流视为一个不断附加的表。这导致新的流处理模型与批处理模型非常相似。您将把流式计算表示为标准批量查询,就像在静态表上一样,Spark将它作为增量查询在无界输入表上运行。让我们更详细地了解这个模型。


与kafka的集成

1、参考文档

http://spark.apache.org/docs/2.2.0/structured-streaming-kafka-integration.html

2、kafka的版本

Kafka broker version 0.10.0 or higher

3、示例1 在ide上运行
groupId = org.apache.spark
artifactId = spark-sql-kafka-0-10_2.11
version = 2.2.0
################编写代码在ide上启动##################
def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .master("local[2]")
      .appName("StructuredStreamingKafka")
      .getOrCreate()

    import spark.implicits._
    val df = spark.readStream
      .format("kafka")
      .option("kafka.bootstrap.servers","bigdata-pro02.kfk.com:9092")
      .option("subscribe","weblog")
      .load()
    val lines = df.selectExpr("CAST(value as STRING)")//对字段进行UDF操作,并返回该列
      .as[String]

    val wordCount = lines.flatMap(_.split(" ")).groupBy("value").count()

    //开启
    val query = wordCount.writeStream
      .outputMode("complete") //模式,complete,updata,
      .format("console")  //输出的地方在控制台
        .start()

    query.awaitTermination()

  }
###############启动指定节点上的kafka和消息生产者##################
bin/kafka-server-start.sh config/server.properties
bin/kafka-topics.sh --create --zookeeper bigdata-pro01.kfk.com:2181,bigdata-pro02.kfk.com:2181,bigdata-pro03.kfk.com:2181 --replication-factor 3 --partitions 1 --topic weblog
3、示例2 在spark-shell上运行
jars上需要导包
kafka_2.11-0.10.0.0.jar
kafka-clients-0.10.0.0.jar
spark-sql-kafka-0-10_2.11-2.2.0.jar
spark-streaming-kafka-0-10_2.11-2.1.0.jar
#####################启动spark-shell#################
bin/spark-shell
:paste
import spark.implicits._
val df = spark.readStream
  .format("kafka")
  .option("kafka.bootstrap.servers","bigdata-pro02.kfk.com:9092")
  .option("subscribe","weblog")
  .load()
val lines = df.selectExpr("CAST(value as STRING)")
  .as[String]
val wordCount = lines.flatMap(_.split(" ")).groupBy("value").count()
val query = wordCount.writeStream
  .outputMode("complete") 
  .format("console")  
    .start()
query.awaitTermination()

与mysql集成——输出到mysql中

spark2.2.0暂没有api直接输出道mysql中,但是可以利用重写ForeachWriter的方法,将每一行数据写入到mysql中。如果数据量非常大,建议先写到kafka中存储,kafka按照队列的排序进行写入到mysql中
jdbcSink类

package toMysql

import java.sql._

import org.apache.spark.sql.{ForeachWriter, Row}

/**
  * Created by zhongyuan on 2018/3/18.
  */
class jdbcSink(url:String,user:String,pwd:String) extends ForeachWriter[Row]{
  val driver = "com.mysql.jdbc.Driver";
  var statement:Statement = _;
  var connection:Connection  = _;
  //创建连接
   def open(partitionId: Long, version: Long): Boolean = {
     Class.forName(driver);
     connection = DriverManager.getConnection(url,user,pwd);
     this.statement = connection.createStatement();

     true;
   }
  //执行sql
  override def process(value: Row): Unit = {
    statement.executeUpdate("insert into wordcount values('"+value.getAs("value")+"',"+value.getAs("count")+")")
  }
  //关闭资源
  override def close(errorOrNull: Throwable): Unit = {
    connection.close()
  }
}

主函数 StructuredStreamingKafkaMysql

package toMysql

import org.apache.spark.sql.{ForeachWriter, Row, SparkSession}
import org.apache.spark.sql.streaming.ProcessingTime

/**
  * Created by zhongyuan on 2018/3/18.
  */
object StructuredStreamingKafkaMysql {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder()
      .master("local[2]")
      .appName("StructuredStreamingKafkaMysql")
      .getOrCreate()

    import spark.implicits._
    val df = spark.readStream
      .format("kafka")
      .option("kafka.bootstrap.servers","bigdata-pro02.kfk.com:9092")
      .option("subscribe","weblog")
      .load()
    val lines = df.selectExpr("CAST(value as STRING)")//对字段进行UDF操作,并返回该列
      .as[String]

    val wordCount = lines.flatMap(_.split(" ")).groupBy("value").count()

    //输出到外部mysql
    val url = "jdbc:mysql://bigdata-pro03.kfk.com/spark"
    val user  = "root"
    val pwd = "123456"
    val writer:ForeachWriter[Row] = new jdbcSink(url,user,pwd);//新建自定义类
    val query = wordCount
      .writeStream
      .foreach(writer)//forEach()里只能写ForeachWriter[Row]类,所以需要指定writer的类型
      .outputMode("update")
      .trigger(ProcessingTime("25 seconds"))
      .start()
    query.awaitTermination()
  }

}

执行顺序
先启动指定所有节点的zookeeper
在启动指定节点的kafka
启动指定节点的topic为weblog的消息生产者
启动指定节点的mysql
启动ide程序
利用消息producer来发送消息
查询mysql中是否有数据

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,332评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,508评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,812评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,607评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,728评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,919评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,071评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,802评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,256评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,576评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,712评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,389评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,032评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,798评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,026评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,473评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,606评论 2 350

推荐阅读更多精彩内容