Streaming黑名单过滤(transform算子的使用)

原始数据：

20180808,zs
20180808,ls
20180808,ww

黑名单列表：

zs
ls

思路：
1、原始日志可以通过Streaming直接读取成一个DStream
2、名单通过RDD来模拟一份

逻辑实现：
1、将DStream转成(黑名单只有名字)

(zs,(20180808,zs))(ls,(20180808,ls))(ww,( 20180808,ww))

2、然后将黑名单转成

(zs, true)(ls, true)

3、然后DStram与RDD进行LeftJoin(DStream能与RDD进行Join就是借用的transform算子)

具体代码实现及注释:

package com.soul.spark.Streaming

import org.apache.spark.SparkConf
import org.apache.spark.streaming.{Seconds, StreamingContext}

/**
  * @author soulChun
  * @create 2019-01-10-16:12
  *        黑名单过滤
  */
object TransformApp {

  def main(args: Array[String]): Unit = {
    val sparkConf = new SparkConf().setAppName("StatafulFunApp").setMaster("local[2]")
    val ssc = new StreamingContext(sparkConf,Seconds(10))
    //构建黑名单
    val blacks = List("zs", "ls")
    //通过map操作将黑名单结构转换成(zs, true)(ls, true)
    val blackRDD = ssc.sparkContext.parallelize(blacks).map(x => (x, true))

    val lines = ssc.socketTextStream("localhost", 8769)
    //lines (20180808,zs)
    //lines 通过map.split(1)之后取得就是zs,然后加一个x就转成了(zs,(20180808,zs)).就可以和blackRDD进行Join了
    val clicklog = lines.map(x => (x.split(",")(1), x)).transform(rdd => {
      //Join之后数据结构就变成了(zs,[(20180808,zs),true]),过滤掉第二个元素中的第二个元素等于true的
      rdd.leftOuterJoin(blackRDD).filter(x => x._2._2.getOrElse(false) != true)
        //我们最后要输出的格式是(20180808,zs)，所以取Join之后的第二个元素中的第一个元素
        .map(x => x._2._1)
    })

    ssc.start()
    ssc.awaitTermination()
  }

}

最后只会输出：