pyspark - DStream 确实使用 Pyspark 在 Spark Streaming 中保存空文件

Question

如果这个问题已经被问过，请原谅。我正在尝试使用 pyspark 将流数据保存到 HDFS 中。在 HDFS 上成功创建文件，但这些文件是空的。下面是我正在使用的简单代码。

请帮助解决此问题。

from pyspark import SparkContext

from pyspark.streaming import StreamingContext

# Create a local StreamingContextwith two working thread and batch interval of 1 second
sc= SparkContext("local[2]", "NetworkWordCount")
ssc= StreamingContext(sc, 2)

# Create a DStream that will connect to hostname:port, like localhost:9999

linesDStream= ssc.socketTextStream("localhost", 9999)

# Split each line into words
wordsDStream= linesDStream.flatMap(lambda line: line.split(" "))

    # Count each word in each batch
pairsDStream= wordsDStream.map(lambda word: (word, 1))
wordCountsDStream= pairsDStream.reduceByKey(lambda x, y: x + y)

# save the content into HDFS

wordCountsDStream.saveAsTextFiles("/home/cloudera/stream_Output/file")
wordCountsDStream.pprint()

# Start the computation

ssc.start() 
# Wait for the computation to terminate
ssc.awaitTermination()

使用带有 spark 1.6.2 版本的 Cloudera 快速启动 VM。

标签： pysparkspark-streaming