Java Spark中的流文件流口水

我们能够成功地将drools与spark集成，当我们尝试应用drools中的规则时，我们能够对HDFS中的批处理文件进行处理，但我们尝试将drools用于流文件，以便我们能够立即做出决定，但是我们不知道怎么做。下面是我们试图实现的代码片段。
案例1:

    SparkConf conf = new SparkConf().setAppName("sample");
    JavaSparkContext sc = new JavaSparkContext(conf);

    JavaRDD<String> javaRDD = sc.textFile("/user/root/spark/sample.dat");
    List<String> store = new ArrayList<String>();
    store = javaRDD.collect();

SparkConf conf=new SparkConf（）.setAppName（“示例”）；
JavaSparkContext sc=新的JavaSparkContext（conf）；
JavaRDD JavaRDD=sc.textFile（“/user/root/spark/sample.dat”）；
列表存储=新建ArrayList（）；
store=javaRDD.collect（）；

案例2:当我们使用流媒体上下文时

SparkConf sparkconf = new SparkConf().setAppName("sparkstreaming");
    JavaStreamingContext ssc = 
              new JavaStreamingContext(sparkconf, new Duration(1));

    JavaDStream<String> lines = ssc.socketTextStream("xx.xx.xx.xx", xxxx);

SparkConf SparkConf=new SparkConf（）.setAppName（“sparkstreaming”）；
JavaStreamingContext ssc=
新的JavaStreamingContext（sparkconf，新的持续时间（1））；
JavaDStream lines=ssc.socketTextStream（“xx.xx.xx.xx”，xxxx）；

在第一种情况下，我们可以在变量存储上应用规则，但在第二种情况下，我们无法在

dstream

行上应用规则

---

如果有人有一些想法，如何做到这一点，将是一个很大的帮助

这里有一种方法可以完成

首先使用业务规则创建知识会话

//Create knowledge and session here
KnowledgeBase kbase = KnowledgeBaseFactory.newKnowledgeBase();
KnowledgeBuilder kbuilder = KnowledgeBuilderFactory.newKnowledgeBuilder();
kbuilder.add( ResourceFactory.newFileResource( "rulefile.drl"),
        ResourceType.DRL );
Collection<KnowledgePackage> pkgs = kbuilder.getKnowledgePackages();
kbase.addKnowledgePackages( pkgs );
final StatelessKnowledgeSession ksession = kbase.newStatelessKnowledgeSession();

//在此处创建知识和会话
KnowledgeBase kbase=KnowledgeBaseFactory.newKnowledgeBase（）；
KnowledgeBuilder kbuilder=KnowledgeBuilderFactory.newKnowledgeBuilder（）；
kbuilder.add（ResourceFactory.newFileResource（“rulefile.drl”），
ResourceType.DRL）；
集合pkgs=kbuilder.getKnowledgePackages（）；
kbase.addKnowledgePackages（PKG）；
final StatelessKnowledgeSession ksession=kbase.newStatelessKnowledgeSession（）；

使用StreamingContext创建JavaDStream

SparkConf sparkconf = new SparkConf().setAppName("sparkstreaming");
JavaStreamingContext ssc = 
          new JavaStreamingContext(sparkconf, new Duration(1));
JavaDStream<String> lines = ssc.socketTextStream("xx.xx.xx.xx", xxxx);  

SparkConf SparkConf=new SparkConf（）.setAppName（“sparkstreaming”）；
JavaStreamingContext ssc=
新的JavaStreamingContext（sparkconf，新的持续时间（1））；
JavaDStream lines=ssc.socketTextStream（“xx.xx.xx.xx”，xxxx）；

调用DStream的foreachRDD创建事实并触发规则

lines.foreachRDD(new Function<JavaRDD<String>, Void>() {
  @Override
  public Void call(JavaRDD<String> rdd) throws Exception {
     List<String> facts = rdd.collect();
     //Apply rules on facts here
     ksession.execute(facts);
     return null;
  }
});

lines.foreachRDD（新函数（）{
@凌驾
公共Void调用（JavaRDD）引发异常{
List facts=rdd.collect（）；
//在这里应用事实规则
执行（事实）；
返回null；
}
});

---

例如，我给user/root/，original将是user/vish/spark/sample.datDid@krishna gajula的答案工作？下面的答案对你有用吗？