scala - Spark 流文件流

Question

我正在使用 Spark 流进行编程，但在使用 scala 时遇到了一些问题。我正在尝试使用函数 StreamingContext.fileStream

这个函数的定义是这样的:

def fileStream[K, V, F <: InputFormat[K, V]](directory: String)(implicit arg0: ClassManifest[K], arg1: ClassManifest[V], arg2: ClassManifest[F]): DStream[(K, V)]

创建一个输入流，用于监视与 Hadoop 兼容的文件系统中的新文件，并使用给定的键值类型和输入格式读取它们。以 . 开头的文件名被忽略。
ķ
读取 HDFS 文件的 key 类型
五
读取 HDFS 文件的值类型
F
读取 HDFS 文件的输入格式
目录
用于监视新文件的 HDFS 目录

我不知道如何传递 Key 和 Value 的类型。
我在 Spark 流中的代码:

val ssc = new StreamingContext(args(0), "StreamingReceiver", Seconds(1),
  System.getenv("SPARK_HOME"), Seq("/home/mesos/StreamingReceiver.jar"))

// Create a NetworkInputDStream on target ip:port and count the
val lines = ssc.fileStream("/home/sequenceFile")

编写hadoop文件的Java代码:

public class MyDriver {

private static final String[] DATA = { "One, two, buckle my shoe",
        "Three, four, shut the door", "Five, six, pick up sticks",
        "Seven, eight, lay them straight", "Nine, ten, a big fat hen" };

public static void main(String[] args) throws IOException {
    String uri = args[0];
    Configuration conf = new Configuration();
    FileSystem fs = FileSystem.get(URI.create(uri), conf);
    Path path = new Path(uri);
    IntWritable key = new IntWritable();
    Text value = new Text();
    SequenceFile.Writer writer = null;
    try {
        writer = SequenceFile.createWriter(fs, conf, path, key.getClass(),
                value.getClass());
        for (int i = 0; i < 100; i++) {
            key.set(100 - i);
            value.set(DATA[i % DATA.length]);
            System.out.printf("[%s]\t%s\t%s\n", writer.getLength(), key,
                    value);
            writer.append(key, value);
        }
    } finally {
        IOUtils.closeStream(writer);
    }
}

}

Answer 1

如果你想使用 fileStream ，您将不得不在调用它时为其提供所有 3 种类型的参数。你需要知道你的Key , Value和 InputFormat类型在调用它之前。如果您的类型是 LongWritable , Text和 TextInputFormat , 你会调用 fileStream像这样:

val lines = ssc.fileStream[LongWritable, Text, TextInputFormat]("/home/sequenceFile")

如果这 3 种类型恰好是您的类型，那么您可能想要使用 textFileStream相反，因为它不需要任何类型参数并委托(delegate)给 fileStream使用我提到的这 3 种类型。使用它看起来像这样:

val lines = ssc.textFileStream("/home/sequenceFile")