使用Spark SQL 构建流式处理程序
StreamingPro目前已经涵盖流式/批处理，以及交互查询三个领域，实现配置和SQL化
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
我们假设您将文件放在了/tmp目录下。
填写配置文件
- 下面配置下载后无需任何改动即可跑起来
假设你下载后重新命名为test.json，并且放在了/tmp目录下。
ps: 这个例子里，我们模拟了一个流式数据源(一般而言是Kafka)，然后将该数据源映射成一张表test。 另外我们知道，在一般流式计算中，我们经常需要一些映射数据，比如ip->地理位置 的映射关系。所以我们定义了一张testJoinTable表，然后该表可以直接可以被流式数据中使用(使用Join)。最后打印出结果。
启动StreamingPro
Local模式：
cd $SPARK_HOME
./bin/spark-submit --class streaming.core.StreamingApp \
--master local[2] \
--name test \
/tmp/streamingpro-0.4.1-SNAPSHOT-online-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-0.4.1-SNAPSHOT-online-1.6.1.jar \
-streaming.name test \
-streaming.job.file.path hdfs://cluster/tmp/test.json这里需要注意的是，配置文件如果放到HDFS上，则需要带上hdfs前缀。这是一个标准的Spark 流式处理程序
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2016.07.12 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
流计算 Oceanus
流计算 Oceanus 是大数据产品生态体系的实时化分析利器，是基于 Apache Flink 构建的企业级实时大数据分析平台，具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点。流计算 Oceanus 以实现企业数据价值最大化为目标，加速企业实时化数字化的建设进程。