使用SparkStreaming实现词频累加统计

一、实验环境

Windows10+centos7+idea+spark+nc

二、需求分析

在服务端不断的产生数据，在SparkStreaming客户端持续统计服务端产生的单词的词频的总数

三、实验环境准备

1、启动hadoop集群
分别启动hdfs和yarn：
start-dfs.sh 和 start-yarn
启动整个hadoop集群：
start-add.sh
*两种启动方式选择一个即可
2、在hdfs中创建检查点,名字自定，
hadoop fs -mkdir -p /spark/checkpoint
并且为checkpoint赋权限，我这里需要，你们不一定需要
hadoop fs -chmod 777 /spark/checkpoint
3、检查服务器中是否安装nc，没安装的使用如下命令进行安装:
yum -y install nc

四、编程实现

1、编写代码

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

object TotalNetworkWordCount {
     
  def main(args: Array[String]): Unit = {
     
    //创建SparkConf
    val sparkconf = new SparkConf().setMaster("local[*]").setAppName("SparkStreamingTestOne")
    //创建SparkContext
    val sc = new SparkContext(sparkconf)
    //利用SparkContext创建SparkStramingContext
    val streamingContext = new StreamingContext(sc,Seconds(3))
    //设置检查点
    streamingContext.checkpoint("hdfs://ethan001:9000/spark/checkpoint")

    //创建一个DStream,ethan002是我这里数据来源和安装nc服务器，6666是netcat服务的端口号
    val datas = streamingContext.socketTextStream("ethan002",6666,StorageLevel.MEMORY_AND_DISK_SER)

    //对一行数据进行分词
    val words = datas.flatMap(_.split(" "))

    //定义函数用于累计每个单词出现的次数
    val addWordFunction = (currentValues:Seq[Int],previousValueState:Option[Int])=>{
     
      //通过spark内部的reduceByKey按key规约，然后这里传入某key当前批次的Seq/List，再计算当前批次的总和
      val currentCount = currentValues.sum
      //已经进行累加的值
      val previousCount = previousValueState.getOrElse(0)
      //返回累加后的结果，是一个Option[Int]类型
      Some(currentCount+previousCount)
    }
    //给每个单词标注 1
    val pairs = words.map((_,1))
    //调用累计函数持续统计服务器传入的单词词频
    val result = pairs.updateStateByKey[Int](addWordFunction)
    result.print()

    //启动SparkStreaming实时计算
    streamingContext.start()
    //等待计算结束
    streamingContext.awaitTermination()
  }
}

2、在虚拟机中启动nc

启动命令：
nc -l -p 6666

3、执行SparkStreaming程序

在idea中启动sparkstreaming程序TotalNetworkWordCount

4、逐渐输入测试数据，输入后换行

• 输入1
  
• 输入2
  
• 输入3
  

5、实验结果

• 结果1
  

• 结果2
  

• 结果3
  

6、查看结果数据是否存检查点上

---

实验到此结束，如果您发现有错误的地方，**还望指正**，一起努力学习！