第四章第四节 Spark-Streaming核心编程（三）

打开kafka集群

Spark Streaming支持多种数据源接入方式，有两种典型场景

基于Filebeat的目录监控：通过Filebeat实时监控指定目录（如日志目录），将新增文件内容采集并推送至Kafka消息队列。这种方式适用于需要持久化数据的场景，同时利用Kafka的缓冲能力应对数据峰值。

直接对接Kafka流：通过KafkaUtils.createDirectStream API直接从Kafka指定Topic消费数据，适用于高吞吐、低延迟的实时处理场景。

Transform

transform允许对DStream中的每个RDD应用任意RDD转换函数，扩展数据处理灵活性。

应用场景：需调用未在DStream API中封装的方法（如自定义RDD算子）。

join

合并来自两个Socket源的单词计数流和标签流。