Spark streaming 入门实验

Spark Streaming 是一个基于spark的实时计算框架。详细说明参考Spark Streaming Programming Guide. 以下是编程指南WordCount例子的在spark-shell了实验记录。运行前，把spar/conf目录下的log4j.properties里的日志级别由INFO改为WARN，否则会打印太多的日志。

1. 运行 nc 模拟数据源输入

文中的命令为 nc -lk 9999 ，运行后在另一个窗口用netstat -tnlp | grep 9999 命令检查一下，如果没有输出改用nc -lk -p 9999 再试一下。

2. 运行 spark-shell

spark-shell --master spark://d-hdp-01:7077 --executor-memory 1g

在paste模式拷贝以下代码，其中ip地址根据实际情况设置，spark-shell已创建了上下文，就不用在创建上下文了。

import org.apache.spark._  
import org.apache.spark.streaming._  
import org.apache.spark.streaming.StreamingContext._  
val ssc = new StreamingContext(sc, Seconds(1))  
val lines = ssc.socketTextStream("192.1.131.205", 9999)  
  
val words = lines.flatMap(_.split(" "))  
val pairs = words.map(word => (word, 1))  
val wordCounts = pairs.reduceByKey(_ + _)  
wordCounts.print()  
  
ssc.start()             // Start the computation  
ssc.awaitTermination()  // Wait for the computation to terminate  

nc 中没有输入的的情况下

在nc中输入数据