Spark之Spark Streaming处理文件流数据

创建相关文件路径

先设置一个用于保存文件的路径，创建的路径地址为 /usr/local/spark/mycode/streaming/logfile

导入相关类

import org.apache.spark.streaming._

创建一个StreamingContext对象

val ssc=new StreamingContext(sc,Seconds(20))

数据流是每20秒进行一次切割

对StreamingContext对对象调用 .textFileStream()方法生成一个文件流类型的InputStream

val lines=ssc.textFileStream("file:///usr/local/spark/mycode/streaming/logfile")

文件目录监控地址为 /usr/local/spark/mycode/streaming/logfile

编写流计算过程

val words=lines.flatMap(_.split(" "))
val wordCounts=words.map(x=>(x,1)).reduceByKey(_+_)
wordCounts.print()

很眼熟的代码，这是spark词频统计的代码

启动流计算

ssc.start()

运行结果如下

刚开始运行的时候文件路径下并不包含任何文件，在一定时间后常见了一个文本文档，运行结果如图所示，只要文件路径下有文件被创建后，程序就会自动运行并计算结果