我分别使用schemas s1和s2接收两个插座S1和S2。
我想使用火花流属性" A"加入S1和S2。以下是我的代码:
sc = SparkContext("local[3]", "StreamJoin")
ssc = StreamingContext(sc, 1)
S1 = ssc.socketTextStream("localhost", 9999)
S2 = ssc.socketTextStream("localhost", 8085)
# Create windowed stream
wS1 = S1.window(10)
wS2 = S2.window(1)
wS1.flatMap(lambda line: line.split(",")).pprint()
wS2.flatMap(lambda line: line.split(",")).pprint()
# Perform join
joinedStream = wS1.join(wS2)
joinedStream.foreachRDD(lambda rdd: rdd.foreach(lambda x: print(x)))
ssc.start()
ssc.awaitTermination()
S1和S2都是逗号分开的。
尽管上述代码执行连接,但是对于完整的行。
我有兴趣就特定属性而加入这两个流,在这种情况下,属性" a"。我如何实现这一目标?
非常感谢!
在Spark中加入的方式是基于键加入RDD行,键是ROW [0]的值。因此,您可以做:
wS1.flatMap(lambda line: line.split(",")).map(lambda x: (x[0], x)).pprint()
wS2.flatMap(lambda line: line.split(",")).map(lambda x: (x[0], x)).pprint()
,然后将基于拆分列表的第一个元素完成加入。
文档参考:
https://spark.apache.org/docs/latest/api/python/pyspark.html?highlight= join#pyspark.rdd.join