Spark Streaming中transform算子使用详解

在实际生产中会有一种场景(最典型的就是黑名单的场景)，就是需要DStream与RDD之间进行互相操作的，那么此时就需要我们借助transform算子来进行实现了
官网介绍：http://spark.apache.org/docs/latest/streaming-programming-guide.html#transform-operation

具体代码可见如下：

/**
  * transform算子
  *
  * 流处理的时候，有一个数据来源于文本或者其他的 ==> RDD
  *             另外一个数据来源于Kafka、或者其它数据源 ==> DStream
  */
object StreamingTransformApp {
  def main(args: Array[String]): Unit = {
    val ssc = ContextUtils.getStreamingContext(this.getClass.getSimpleName, 5)
    val lines = ssc.socketTextStream("localhost", 9999)

    // 构建黑名单
    val blacks = new ListBuffer[(String, Boolean)]()
    blacks.append(("huhu", true))
    val blacksRDD = ssc.sparkContext.parallelize(blacks)

    // 从流中获取访问日志,并对黑名单中的数据进行过滤
    lines.map(x => {(x.split(",")(0), x)})
      .transform(rdd => {
        rdd.leftOuterJoin(blacksRDD)
          .filter(_._2._2.getOrElse(false) != true)
          .map(x => x._2._1)
      }).print()

    ssc.start()
    ssc.awaitTermination()
  }
}

输入数据源：

crazybird:conf $ nc -lk 9999
huhu,1
abc,2
cde,2

实现效果如下，成功过滤黑名单中的数据：