使用Spark SQL 构建流式处理程序

前言

今天介绍利用 StreamingPro 构建流式(Spark Streaming)计算程序

准备工作

• 下载StreamingPro

README中有下载地址

我们假设您将文件放在了/tmp目录下。

填写配置文件

• 实例一，Nginx日志解析后存储到ES

gist

• 测试样例, 模拟数据，并且单机跑起来

gist

假设你使用的是第二个配置文件，名字叫做test.json，并且放在了/tmp目录下。

启动StreamingPro

Local模式：

cd  $SPARK_HOME

./bin/spark-submit   --class streaming.core.StreamingApp \
--master local[2] \
--name test \
/tmp/streamingpro-0.2.1-SNAPSHOT-dev-1.6.1.jar    \
-streaming.name test    \
-streaming.job.file.path file:///tmp/test.json

访问

http://127.0.0.1:4040

可进入Spark UI

集群模式：

cd  $SPARK_HOME

./bin/spark-submit   --class streaming.core.StreamingApp \

--master yarn-cluster \

--name test \

/tmp/streamingpro-0.2.1-SNAPSHOT-dev-1.6.1.jar    \

-streaming.name test    \

-streaming.job.file.path hdfs://cluster/tmp/test.json

这里需要注意的是，配置文件并蓄放到HDFS上，并且需要带上hdfs前缀。这是一个标准的Spark 批流式处理程序

文／祝威廉（简书作者）

原文链接：http://www.jianshu.com/p/d10edd6c7cf9

著作权归作者所有，转载请联系作者获得授权，并标注“简书作者”。