SparkStream 函数详解-Transformations

一个DStream对象可以调用多种操作,主要分为如下几类:

  • Transformations
  • Window Operations
  • Join Operations
  • Output Operations

Transformations

map(func)

Return a new DStream by passing each element of the source DStream through a function func.

主要作用是,对DStream对象a,将func函数作用到a中的每一个元素上并生成新的元素,得到的DStream对象b中包含这些新的元素。

//拼接一个”_NEW”字符串
val linesNew = lines.map(lines => lines + "_NEW" )

map中操作复杂可把函数抽出来在外部定义:

    val mapResult = stream.map(new Transformations().customeMap(_))

    def customeMap(word: String): String = {
        word + "ss"
    }

filter(func)

Return a new DStream by selecting only the records of the source DStream on which func returns true.

对DStream a中的每一个元素,应用func方法进行计算,如果func函数返回结果为true,则保留该元素,否则丢弃该元素,返回一个新的DStream b。

val filterWords = words.filter(_ != "hello" )

在定义函数式时,返回值必须是boolean类型,

flatMap(func)

Similar to map, but each input item can be mapped to 0 or more output items.

主要作用是,对DStream对象a,将func函数作用到a中的每一个元素上并生成0个或多个新的元素,得到的DStream对象b中包含这些新的元素。

//将lines根据空格进行分割,分割成若干个单词
val words = lines.flatMap(_.split( " " ))

同map若函数复杂可提出去

union(otherStream)

Return a new DStream that contains the union of the elements in the source DStream and otherDStream.

这个操作将两个DStream进行合并,生成一个包含着两个DStream中所有元素的新DStream对象。

val wordsOne = words.map(_ + "_one" )
val wordsTwo = words.map(_ + "_two" )
val unionWords = wordsOne.union(wordsTwo)

repartition(numPartitions)

Changes the level of parallelism in this DStream by creating more or fewer partitions.

Return a new DStream with an increased or decreased level of parallelism. Each RDD in the returned DStream has exactly numPartitions partitions.

count()

Return a new DStream of single-element RDDs by counting the number of elements in each RDD of the source DStream.

统计DStream中每个RDD包含的元素的个数,得到一个新的DStream,这个DStream中只包含一个元素,这个元素是对应语句单词统计数值。

val wordsCount = words.count()

reduce(func)

Return a new DStream of single-element RDDs by aggregating the elements in each RDD of the source DStream using a function func (which takes two arguments and returns one). The function should be associative and commutative so that it can be computed in parallel.

返回一个包含一个元素的DStream,传入的func方法会作用在调用者的每一个元素上,将其中的元素顺次的两两进行计算。

val reduceWords = words.reduce(_ + "-" + _)
// 或

def customerReduce(line1: String, line2: String): String = {
    line1 + "|||" + line2
  }
 // val reduceResult = flatMapResult.reduce(new Transformations().customerReduce(_, _));
    val reduceResult = flatMapResult.reduce((x, y) => new Transformations().customerReduce(x, y));

countByValue()

When called on a DStream of elements of type K, return a new DStream of (K, Long) pairs where the value of each key is its frequency in each RDD of the source DStream.

某个DStream中的元素类型为K,调用这个方法后,返回的DStream的元素为(K, Long)对,后面这个Long值是原DStream中每个RDD元素key出现的频率。

val countByValueWords = words.countByValue()

reduceByKey(func, [numTasks])

When called on a DStream of (K, V) pairs, return a new DStream of (K, V) pairs where the values for each key are aggregated using the given reduce function. Note: By default, this uses Spark's default number of parallel tasks (2 for local mode, and in cluster mode the number is determined by the config property spark.default.parallelism) to do the grouping. You can pass an optional numTasks argument to set a different number of tasks.

调用这个操作的DStream是以(K, V)的形式出现,返回一个新的元素格式为(K, V)的DStream。返回结果中,K为原来的K,V是由K经过传入func计算得到的。还可以传入一个并行计算的参数,在local模式下,默认为2。在其他模式下,默认值由参数 spark.default.parallelism 确定。

注:reduceByKey使用时DStream需要以(K, V)的形式出现

val pairs = words.map(word => (word , 1))
val wordCounts = pairs.reduceByKey(_ + _)
//===========
/**
    * 
    * reducebykey 通过对于两两的value进行操作,可自定义
    * @param line1
    * @param line2
    * @return
    */
  def customerReduceByKey(line1: String, line2: String): String = {
    "ss"
  }
    val reduceByKeyResult = flatMapResult.map((_, "ss")).reduceByKey(new Transformations().customerReduceByKey(_, _))

join(otherStream, [numTasks])

When called on two DStreams of (K, V) and (K, W) pairs, return a new DStream of (K, (V, W)) pairs with all pairs of elements for each key.

由一个DStream对象调用该方法,元素内容为 (k, V) ,传入另一个DStream对象,元素内容为(k, W),返回的DStream中包含的内容是 (k, (V, W)) 。这个方法也可以传入一个并行计算的参数,该参数与reduceByKey中是相同的。

val wordsOne = words.map(word => (word , word + "_one" ))
val wordsTwo = words.map(word => (word , word + "_two" ))
val joinWords = wordsOne.join(wordsTwo)

结果

// 输入 hello world hello join

(hello,(hello_one,hello_two))
(hello,(hello_one,hello_two))
(hello,(hello_one,hello_two))
(hello,(hello_one,hello_two))
(join,(join_one,join_two))
(world,(world_one,world_two))

如果key相同,出现笛卡尔积现象

cogroup(otherStream, [numTasks])

When called on a DStream of (K, V) and (K, W) pairs, return a new DStream of (K, Seq[V], Seq[W]) tuples.

由一个DStream对象调用该方法,元素内容为(k, V),传入另一个DStream对象,元素内容为(k, W),返回的DStream中包含的内容是 (k, (Seq[V], Seq[W])) 。这个方法也可以传入一个并行计算的参数,该参数与reduceByKey中是相同的。

结果:

(hello,(CompactBuffer(hello_one, hello_one),CompactBuffer(hello_two, hello_two)))
(world,(CompactBuffer(world_one),CompactBuffer(world_two)))
(cogroup,(CompactBuffer(cogroup_one),CompactBuffer(cogroup_two)))

transform(func)

updateStateByKey(func)

博客:http://yany8060.xyz/
githup: https://github.com/yany8060/SparkDemo

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容