Apache spark 如何将每个Spark流式迭代数据存储到一个RDD?
我是新手。 我正在编写以下脚本,该脚本接收来自Kafka的流,然后将其转换为RDD 我的目标是将每个流迭代中的数据存储到内存中的一个RDD中。就像在每个循环的列表中添加一个元素一样Apache spark 如何将每个Spark流式迭代数据存储到一个RDD?,apache-spark,pyspark,apache-kafka,spark-streaming,rdd,Apache Spark,Pyspark,Apache Kafka,Spark Streaming,Rdd,我是新手。 我正在编写以下脚本,该脚本接收来自Kafka的流,然后将其转换为RDD 我的目标是将每个流迭代中的数据存储到内存中的一个RDD中。就像在每个循环的列表中添加一个元素一样 conf = SparkConf().setAppName("Application") sc = SparkContext(conf=conf) def joinRDDs(rdd): elements = rdd.collect() rdds = sc.parallelize(elements
conf = SparkConf().setAppName("Application")
sc = SparkContext(conf=conf)
def joinRDDs(rdd):
elements = rdd.collect()
rdds = sc.parallelize(elements)
transformed = rdds.map(lambda x: ('key', {u'name': x[1]}))
if __name__ == '__main__':
ssc = StreamingContext(sc, 2)
stream = KafkaUtils.createDirectStream(ssc, [topic],{"metadata.broker.list": host})
stream.foreachRDD(joinRDDs)
我怎样才能做到这一点
感谢您的关注使用updateStatebyKey()并根据需要传入函数。函数包含两个参数:每批中的新数据以及内存中保存的历史数据
def CountPurchases(新值、上次总和):
如果lastSum为无:
lastSum=0
返回和(newValues,lastSum)
UpdateStateByKey(CountPurchases)