window滑动窗口

Spark Streaming提供了滑动窗口操作的支持，从而让我们可以对一个滑动窗口内的数据执行 计算操作。每次掉落在窗口内的RDD的数据，会被聚合起来执行计算操作，然后生成的RDD，会作 为window DStream的一个RDD。比如下图中，就是对每三秒钟的数据执行一次滑动窗口计算，这3 秒内的3个RDD会被聚合起来进行处理，然后过了两秒钟，又会对最近三秒内的数据执行滑动窗口 计算。所以每个滑动窗口操作，都必须指定两个参数，窗口长度以及滑动间隔，而且这两个参数 值都必须是batch间隔的整数倍。（Spark Streaming对滑动窗口的支持，是比Storm更加完善和强 大的）

spark 窗口函数 找下一个_滑动窗口


window滑动窗口操作函数

Transform

意义

window

对每个滑动窗口的数据执行自定义的计算

countByWindow

对每个滑动窗口的数据执行count操作

reduceByWindow

对每个滑动窗口的数据执行reduce操作

reduceByKeyAndWindow

对每个滑动窗口的数据执行reduceByKey操作

countByValueAndWindow

对每个滑动窗口的数据执行countByValue操作

案例：热点搜索词滑动统计，每隔10秒钟，统计最近60秒钟的搜索词的搜索频次，并打印出 排名最靠前的3个搜索词以及出现次数

执行reduceByKeyAndWindow，滑动窗口操作

第二个参数，是窗口长度，这里是60秒
第三个参数，是滑动间隔，这里是10秒

也就是说，每隔10秒钟，将最近60秒的数据，作为一个窗口，进行内部的RDD的聚合，然后统一对 一个RDD进行后续计算

Java语言实现：

package com.kfk.spark.window_hotwords_project;

import com.kfk.spark.common.CommStreamingContext;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.Function2;
import org.apache.spark.api.java.function.PairFunction;
import org.apache.spark.streaming.Durations;
import org.apache.spark.streaming.api.java.JavaDStream;
import org.apache.spark.streaming.api.java.JavaPairDStream;
import org.apache.spark.streaming.api.java.JavaReceiverInputDStream;
import org.apache.spark.streaming.api.java.JavaStreamingContext;
import scala.Tuple2;

import java.util.List;


/**
 * @author : 蔡政洁
 * @email :caizhengjie888@icloud.com
 * @date : 2020/12/18
 * @time : 2:03 下午
 */
public class WindowHotWordJava {
    static JavaStreamingContext jssc = null;
    
    public static void main(String[] args) throws InterruptedException {
        jssc = CommStreamingContext.getJssc();

        /**
         * 数据模型：java
         *         hive
         *         spark
         *         java
         */

        JavaReceiverInputDStream<String> inputDstream = jssc.socketTextStream("bigdata-pro-m04",9999);

        /**
         * <java,1>
         * <hive,1>
         * ...
         */
        JavaPairDStream<String, Integer> pair = inputDstream.mapToPair(new PairFunction<String, String, Integer>() {
            @Override
            public Tuple2<String, Integer> call(String line) throws Exception {
                return new Tuple2<>(line,1);
            }
        });

        /**
         * <java,5>
         * <hive,3>
         * <spark,6>
         * <flink,10>
         */
        JavaPairDStream<String, Integer> windowWordCount = pair.reduceByKeyAndWindow(new Function2<Integer,Integer,Integer>() {
            @Override
            public Integer call(Integer v1, Integer v2) throws Exception {
                return v1+v2;
            }
        }, Durations.seconds(60),Durations.seconds(10));

        JavaDStream<Tuple2<String, Integer>> finalStream = windowWordCount.transform(
                new Function<JavaPairRDD<String, Integer>, JavaRDD<Tuple2<String, Integer>>>() {
            @Override
            public JavaRDD<Tuple2<String, Integer>> call(JavaPairRDD<String, Integer> line) throws Exception {

                JavaPairRDD<Integer,String> beginPair = line.mapToPair(new PairFunction<Tuple2<String, Integer>, Integer, String>() {
                    @Override
                    public Tuple2<Integer, String> call(Tuple2<String, Integer> stringIntegerTuple2) throws Exception {
                        return new Tuple2<>(stringIntegerTuple2._2,stringIntegerTuple2._1);
                    }
                });

                JavaPairRDD<Integer,String> sortRdd = beginPair.sortByKey(false);

                JavaPairRDD<String,Integer> sortPair = sortRdd.mapToPair(new PairFunction<Tuple2<Integer, String>, String, Integer>() {
                    @Override
                    public Tuple2<String,Integer> call(Tuple2<Integer, String> integerStringTuple2) throws Exception {
                        return new Tuple2<>(integerStringTuple2._2,integerStringTuple2._1);
                    }
                });

                List<Tuple2<String,Integer>> wordList = sortPair.take(3);


                for (Tuple2<String, Integer> stringIntegerTuple2 : wordList) {
                    System.out.println(stringIntegerTuple2._1 + " : " + stringIntegerTuple2._2);
                }

                return jssc.sparkContext().parallelize(wordList);

            }
        });

        finalStream.print();

        jssc.start();

        jssc.awaitTermination();

    }
}

Scala语言实现

package com.kfk.spark.window_hotwords_project

import com.kfk.spark.common.CommStreamingContextScala
import org.apache.spark.streaming.Seconds


/**
 * @author : 蔡政洁
 * @email :caizhengjie888@icloud.com
 * @date : 2020/12/18
 * @time : 4:47 下午
 */
object WindowHotWordScala {
    def main(args: Array[String]): Unit = {
        val jssc = CommStreamingContextScala.getJssc

        val inputDstream = jssc.socketTextStream("bigdata-pro-m04", 9999)

        /**
         * 数据模型：java
         * hive
         * spark
         * java
         */
        val pairDStream = inputDstream.map(x => (x,1))

        /**
         * <java,1>
         * <hive,1>
         * ...
         */
        val windowWordCount = pairDStream.reduceByKeyAndWindow((x:Int,y:Int) => x+y,Seconds(60),Seconds(10))

        /**
         * 热点搜索词滑动统计，每隔10秒钟，统计最近60秒钟的搜索词的搜索频次，
         * 并打印出 排名最靠前的3个搜索词以及出现次数
         */
        val finalDStream = windowWordCount.transform(x => {

            val sortRDD = x.map(x => (x._2,x._1)).sortByKey(false).map(x => (x._2,x._1))

            val list = sortRDD.take(3)

            jssc.sparkContext.parallelize(list)
        })

        finalDStream.print()

        jssc.start()
        jssc.awaitTermination()

    }

}

测试数据：

java 
java 
hive
hive
java
hava
java
hive

运行结果：

-------------------------------------------
Time: 1608705518000 ms
-------------------------------------------
(hive,3)
(java ,2)
(java,2)