071 SparkStreaming与SparkSQL集成

1.说明

　　虽然DStream可以转换成RDD，但是如果比较复杂，可以考虑使用SparkSQL。

2.集成方式

　　Streaming和Core整合：
　　　　transform或者foreachRDD方法
　　Core和SQL整合：
　　　　RDD <==> DataFrame 互换

3.程序

 package com.sql.it
 import org.apache.spark.sql.SQLContext
 import org.apache.spark.storage.StorageLevel
 import org.apache.spark.streaming.kafka.KafkaUtils
 import org.apache.spark.streaming.{Seconds, StreamingContext}
 import org.apache.spark.{SparkConf, SparkContext}
 object StreamingSQL {
   def main(args: Array[String]): Unit = {
     val conf = new SparkConf()
       .setAppName("StreamingWindowOfKafka22")
       .setMaster("local[*]")
     val sc = SparkContext.getOrCreate(conf)
     val ssc = new StreamingContext(sc, Seconds(5))
     // 当调用updateStateByKey函数API的时候，必须给定checkpoint dir
     // 路径对应的文件夹不能存在
     ssc.checkpoint("hdfs://linux-hadoop01.ibeifeng.com:8020/beifeng/spark/streaming/9421151351")

     val kafkaParams = Map(
       "group.id" -> "streaming-kafka-78912151",
       "zookeeper.connect" -> "linux-hadoop01.ibeifeng.com:2181/kafka",
       "auto.offset.reset" -> "smallest"
     )
     val topics = Map("beifeng" -> 4) // topics中value是读取数据的线程数量，所以必须大于等于1
     val dstream = KafkaUtils.createStream[String, String, kafka.serializer.StringDecoder, kafka.serializer.StringDecoder](
       ssc, // 给定SparkStreaming上下文
       kafkaParams, // 给定连接kafka的参数信息 ===> 通过Kafka HighLevelConsumerAPI连接
       topics, // 给定读取对应topic的名称以及读取数据的线程数量
       StorageLevel.MEMORY_AND_DISK_2 // 指定数据接收器接收到kafka的数据后保存的存储级别
     ).map(_._2)

     /**
       * transform：将DStream的操作转换为RDD的操作，调用该api最终只需要返回一个新的RDD即可
       */
     dstream.transform(rdd => {
       // 使用sql统计wordcoount
       val sqlContext = SQLContextSingelton.getSQLContext(rdd.sparkContext)
       import sqlContext.implicits._
       val procedRDD = rdd.filter(_.nonEmpty).flatMap(_.split(" ").map((_, 1)))
       procedRDD.toDF("word", "c").registerTempTable("tb_word")
       val resultRDD = sqlContext.sql("select word, count(c) as vc from tb_word group by word").map(row => {
         val word = row.getAs[String]("word")
         val count = row.getAs[Long]("vc")
         (word, count)
       })

       resultRDD
     }).print()

     // 启动开始处理
     ssc.start()
     ssc.awaitTermination() // 等等结束，监控一个线程的中断操作
   }
 }

 object SQLContextSingelton {
   @transient private var instance: SQLContext = _

   def getSQLContext(sc: SparkContext): SQLContext = {
     if (instance == null) {
       synchronized[SQLContext] {
         if (instance == null) {
           instance = new SQLContext(sc)
         }
         instance
       }
     }
     instance
   }
 }

4.效果