使用Spark SQL 构建流式处理程序

StreamingPro目前已经涵盖流式/批处理，以及交互查询三个领域，实现配置和SQL化

前言

今天介绍利用 StreamingPro 构建流式(Spark Streaming)计算程序

准备工作

• 下载StreamingPro

README中有下载地址

我们假设您将文件放在了/tmp目录下。

填写配置文件

• 下面配置下载后无需任何改动即可跑起来

gist

假设你下载后重新命名为test.json，并且放在了/tmp目录下。

ps: 这个例子里，我们模拟了一个流式数据源(一般而言是Kafka)，然后将该数据源映射成一张表test。 另外我们知道，在一般流式计算中，我们经常需要一些映射数据，比如ip->地理位置 的映射关系。所以我们定义了一张testJoinTable表，然后该表可以直接可以被流式数据中使用(使用Join)。最后打印出结果。

启动StreamingPro

Local模式：

cd  $SPARK_HOME

./bin/spark-submit   --class streaming.core.StreamingApp \
--master local[2] \
--name test \
/tmp/streamingpro-0.4.1-SNAPSHOT-online-1.6.1.jar    \
-streaming.name test    \
-streaming.job.file.path file:///tmp/test.json

访问

http://127.0.0.1:4040

可进入Spark UI

集群模式：

cd  $SPARK_HOME

./bin/spark-submit   --class streaming.core.StreamingApp \
--master yarn-cluster \
--name test \
/tmp/streamingpro-0.4.1-SNAPSHOT-online-1.6.1.jar    \
-streaming.name test    \
-streaming.job.file.path hdfs://cluster/tmp/test.json

这里需要注意的是，配置文件如果放到HDFS上，则需要带上hdfs前缀。这是一个标准的Spark 流式处理程序