文章目录
Strctured Streaming简单应用
一、Output Modes输出模式
二、Streaming Table API
三、Triggers
1、unspecified（默认模式）
2、Fixed interval micro-batches（固定间隔批次）
3、 One-time micro-batch （仅一次触发）
4、Continuous with fixed checkpoint interval（连续处理）
Strctured Streaming简单应用
一、Output Modes输出模式
Structured Streaming中结果输出时outputMode可以设置三种模式，三种默认区别如下：
- Append Mode（默认模式）：追加模式，只有自上次触发后追加到结果表中的新行才会被输出。只有select、where、map、flatmap、filter、join查询支持追加模式。
- Complete Mode（完整模式）：将整个更新的结果输出。仅可用于代码中有聚合查询情况，代码中没有聚合查询不能使用。
- Update Mode（更新模式）：自Spark2.1.1版本后可用，只有自上次触发后更新的行才会被输出。这种模式仅仅输出自上次触发以来发生更改的行。如果结果数据没有聚合操作那么相当于Append Mode。
二、Streaming Table API
在Spark3.1版本之后，我们可以通过DataStreamReader.table()方式实时读取流式表中的数据，使用DataStreamWriter.toTable()向表中实时写数据。
案例：读取Socket数据实时写入到Spark流表中，然后读取流表数据展示数据。
代码示例如下：
package com.lanson.structuredStreaming
import org.apache.spark.sql.streaming.StreamingQuery
import org.apache.spark.sql.{DataFrame, SparkSession}
object StreamTableAPI {
def main(args: Array[String]): Unit = {
//1.创建对象
val spark: SparkSession = SparkSession.builder().master("local")
.appName("StreamTableAPI")
.config("spark.sql.shuffle.partitions", 1)
.config("spark.sql.warehouse.dir", "./my-spark-warehouse")
.getOrCreate()
spark.sparkContext.setLogLevel("Error");
import spark.implicits._
//2.读取socket数据，注册流表
val df: DataFrame = spark.readStream
.format("socket")
.option("host", "node3")
.option("port", 9999)
.load()
//3.对df进行转换
val personinfo: DataFrame = df.as[String]
.map(line => {
val arr: Array[String] = line.split(",")
(arr(0).toInt, arr(1), arr(2).toInt)
}).toDF("id", "name", "age")
//4.将以上personinfo 写入到流表中
personinfo.writeStream
.option("checkpointLocation","./checkpoint/dir1")
.toTable("mytbl")
import org.apache.spark.sql.functions._
//5.读取mytbl 流表中的数据
val query: StreamingQuery = spark.readStream
.table("mytbl")
.withColumn("new_age", col("age").plus(6))
.select("id", "name", "age", "new_age")
.writeStream
.format("console")
.start()
query.awaitTermination()
}
}
以上代码编写完成后启动，向控制台输入以下数据：
1,zs,18
2,ls,19
3,ww,20
4,ml,21
5,tq,22结果输入如下：
注意：以上代码执行时Spark中写出的表由Spark 参数”spark.sql.warehouse.dir”指定的路径临时维护数据，每次执行时，需要将该路径下的表数据清空。
三、Triggers
Structured Streaming Triggers 决定了流式数据被处理时是微批处理还是连续实时处理，以下是支持的Triggers：
实时处理，以下是支持的Triggers:
| Trigger Type | 描述 |
| Unspecified(默认) |
|
| Fixed interval micro-batches(固定间隔批次) |
|
| One-time micro-batch(仅一次性触发) |
|
| Continuous with fixed checkpoint interval(以固定checkpoint interval连续处理（实验阶段）) |
|
下面以读取Socket数据为例，Scala代码演示各个模式
1、unspecified（默认模式）
代码如下：
//3.默认微批模式执行查询，尽快将结果写出到控制台
val query: StreamingQuery = frame.writeStream
.format("console")
.start()
query.awaitTermination()2、Fixed interval micro-batches（固定间隔批次）
代码如下：
//3.用户指定固定间隔批次触发查询
val query: StreamingQuery = frame.writeStream
.format("console")
.trigger(Trigger.ProcessingTime("5 seconds"))
// .trigger(Trigger.ProcessingTime(5,TimeUnit.SECONDS)
.start()
query.awaitTermination()注意：这种固定间隔批次指的是第一批次处理完成，等待间隔时间，然后处理第二批次数据，依次类推。
3、 One-time micro-batch （仅一次触发）
代码如下：
//4.仅一次触发执行
val query: StreamingQuery = frame.writeStream
.format("console")
.trigger(Trigger.Once())
.start()
query.awaitTermination()4、Continuous with fixed checkpoint interval（连续处理）
Continuous不再是周期性启动task的批量执行数，而是启动长期运行的task，而是不断一个一个数据进行处理，周期性的通过指定checkpoint来记录状态（如果不指定checkpoint目录，会将状态记录在Temp目录下），保证exactly-once语义，这样就可以实现低延迟。详细内容可以参照后续“Continuous处理”章节。
代码如下：
//3.Continuous 连续触发执行
val query: StreamingQuery = frame.writeStream
.format("console")
//每10ms 记录一次状态，而不是执行一次
.trigger(Trigger.Continuous(10,TimeUnit.MILLISECONDS))
.option("checkpointLocation","./checkpint/dir4")
.start()
query.awaitTermination()- 📢博客主页：https://lansonli.blog.csdn.net
- 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正！
- 📢本文由 Lansonli 原创，首发于 CSDN博客🙉
- 📢停下休息的时候不要忘了别人还在奔跑，希望大家抓紧时间学习，全力奔赴更美好的生活✨
