Spark案例之根據ip地址計算歸屬地三
阿新 • • 發佈:2018-11-10
案例二中已經詳細的通過圖和介紹詳細的說明了在Spark叢集中根據ip地址計算歸屬地並將結果儲存到mysql資料庫中的執行流程,下面就來做具體的實現
現在的環境就如案例二中說的一樣,ip地址規則是儲存在Driver端的機器磁碟中,而日誌檔案是儲存在hdfs中,所以現在需要首先在Driver端拿到ip地址規則,然後通過廣播變數使Executor端能夠拿到ip地址規則,然後取出hdfs中的日誌檔案,將日誌檔案進行切分整理,與ip地址規則進行匹配,最後將結果儲存到mysql資料庫中
1.具體程式碼實現
package cn.ysjh0014 import java.sql.{Connection, DriverManager, PreparedStatement} import org.apache.spark.broadcast.Broadcast import org.apache.spark.rdd.RDD import org.apache.spark.{SparkConf, SparkContext} object IpLocation1 { def main(args: Array[String]): Unit = { val conf = new SparkConf().setAppName("IpLoaction1").setMaster("local[4]") val sc = new SparkContext(conf) //在Driver端獲取到全部的IP規則資料(全部的IP規則資料跟Driver在同一臺機器上) val rules: Array[(Long, Long, String)] = TestIp.readRules(args(0)) //將Drive端的資料廣播到Executor中,呼叫sc上的廣播方法,廣播變數的引用(還在Driver端) val broadcastRef: Broadcast[Array[(Long, Long, String)]] = sc.broadcast(rules) //建立RDD,讀取訪問日誌 val accessLines: RDD[String] = sc.textFile(args(1)) //這個函式是在哪一端定義的?(Driver) val func = (line: String) => { val fields = line.split("[|]") //根據|進行切分 val ip = fields(1) //取出切分後文件中的ip //將ip轉換成十進位制 val ipNum = TestIp.ip2Long(ip) //進行二分法查詢,通過Driver端的引用或取到Executor中的廣播變數 //(該函式中的程式碼是在Executor中別調用執行的,通過廣播變數的引用,就可以拿到當前Executor中的廣播的規則了) val rulesInExecutor: Array[(Long, Long, String)] = broadcastRef.value //查詢 var province = "未知" val index = TestIp.binarySearch(rulesInExecutor, ipNum) if (index != -1) { province = rulesInExecutor(index)._3 } (province, 1) } //整理資料 val proviceAndOne: RDD[(String, Int)] = accessLines.map(func) //聚合 val reduced: RDD[(String, Int)] = proviceAndOne.reduceByKey(_ + _) def data2MySQL(it: Iterator[(String, Int)]): Unit = { //一個迭代器代表一個分割槽,分割槽中有多條資料 //先獲得一個JDBC連線 val conn: Connection = DriverManager.getConnection("jdbc:mysql://localhost:3306/bigdata?characterEncoding=UTF-8", "root", "root") //將資料通過Connection寫入到資料庫 val pstm: PreparedStatement = conn.prepareStatement("INSERT INTO access_log VALUES (?, ?)") //將分割槽中的資料一條一條寫入到MySQL中 it.foreach(tp => { pstm.setString(1, tp._1) pstm.setInt(2, tp._2) pstm.executeUpdate() }) //將分割槽中的資料全部寫完之後,在關閉連線 if (pstm != null) { pstm.close() } if (conn != null) { conn.close() } } reduced.foreachPartition(it => data2MySQL(it)) //將結果列印 // val r = reduced.collect() // reduced.saveAsTextFile(args(2)) // println(r.toBuffer) sc.stop() } }
2.在mysql資料庫中建立bigdata資料庫,然後建立access_log表,在表中新增兩個欄位
3.執行結果:
注意: 程式碼在執行的時候如果報連線資料庫錯誤的話,要不就是資料庫配置寫錯了(使用者名稱,密碼等),要不就是沒有匯入mysql驅動包,可以在pom檔案中加入以下依賴:
<dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>5.1.46</version> </dependency>
這裡的mysql驅動包的版本不能低,我的windows下的mysql是8.0.12的,之前我新增的依賴版本是5.1.38的就一直報錯連線不上資料庫,很坑。。。。。。。