# generate_file.py 
 # 生成数据 生成500个文件,每个文件1000条数据
 # 生成数据格式:eventtime name province action ()时间 用户名 省份 动作)
 import os 
 import time
 import shutil
 import time
FIRST_NAME = ['Zhao', 'Qian', 'Sun', 'Li', 'Zhou', 'Wu', 'Zheng', 'Wang']
 SECOND_NAME = ['San', 'Si', 'Wu', 'Chen', 'Yang', 'Min', 'Jie', 'Qi']
 PROVINCE = ['BeiJing', 'ShanDong', 'ShangHai', 'HeNan', 'HaErBin']
 ACTION = ['login', 'logout', 'purchase']
PATH = "/opt/software/tmp/"
 DATA_PATH = "/opt/software/tmp/data/"
     # 初始化环境
     def test_Setup():
         if os.path.exists(DATA_PATH):
             shutil.rmtree(DATA_PATH)
         os.mkdir(DATA_PATH)
    # 清理数据,恢复测试环境
     def test_TearDown():
         shutile.rmtree(DATA_PATH)
    # 数据保存文件
     def writeAndMove(filename,content):
         with open(PATH+filename,'wt',encoding='utf-8') as f:
             f.write(content)
         shutil.move(PATH+filename,DATA_PATH+filename)
if __name__ == '__main__':
    test_Setup()
     
     for i in range(500):
         filename = "user_action_{}.log".format(i)
         """
         验证spark输出模式,complete和update,增加代码,第一个文件i=0时,设置PROVINCE = "TAIWAN"
         """
         if i == 0:
             province= ['TaiWan']
         else:
             province = PROVINCE
         content = ""
         for _ in range(1000):
             content += "{} {} {} {}\n".format(str(int(time.time())),random.choice(FIRST_NAME)+random.choice(SECOND_NAME),random.choice(province),random.choice(ACTION))
         writeAndMove(filename,content)    
         time.sleep(10)
# spark_file_test.py  
 # 读取DATA文件夹下面文件,按照省份统计数据,主要考虑window情况,按照window情况测试,同时针对    outputMode和输出console和mysql进行考虑,其中保存到mysql时添加batch字段
from pyspark.sql import SparkSession,DataFrame
 from pyspark.sql.functions import split,lit,from_unixtime
DATA_PATH = "/opt/software/tmp/data/"
if __name__ == '__main__':
     spark = SparkSession.builder.getOrCreate()
     lines = spark.readStream.format("text").option("seq","\n").load(DATA_PATH)
     # 分隔符为空格
     userinfo = lines.select(split(lines.value," ").alias("info"))
     # 第一个为eventtime  第二个为name   第三个为province  第四个为action 
     # userinfo['info'][0]等同于userinfo['info'].getIterm(0)
     user = userinfo.select(from_unixtime(userinfo['info'][0]).alias('eventtime'),
         userinfo['info'][1].alias('name'),userinfo['info'][2].alias('province'),
         userinfo['info'][3].alias('action'))
     """
     测试1:数据直接输出到控制台,由于没有采用聚合,输出模式选择update
     user.writeStream.outputMode("update").format("console").trigger(processingTime="8 seconds").start().awaitTermination()
     """
     """
     测试2:数据存储到数据库,新建数据库表,可以通过printSchema()查看数据类型情况
     def insert_into_mysql_batch(df:DataFrame,batch):
         if df.count()>0:
         # 此处将batch添加到df中,采用lit函数
             data = df.withColumn("batch",lit(batch))
             data.write.format("jdbc"). \
         option("driver","com.mysql.jdbc.Driver"). \
         option("url","jdbc:mysql://localhost:3306/spark").option("user","root").\
         option("password","root").option("dbtable","user_log").\
         option("batchsize",1000).mode("append").save()    
         else:
             pass
 user.writeStream.outputMode("update").foreachBatch((insert_into_mysql_batch)).trigger(processingTime="20 seconds").start().awaitTermination()
     """
     """
     测试3:数据按照省份统计后,输出到控制台,分析complete和update输出模式区别,针对该问题,调整输入,province="TaiWan"只会输入1次,即如果输出方式complete,则每batch都会输出,update的话,只会出现在一个batch
     userProvinceCounts = user.groupBy("province").count()
     userProvinceCounts = userProvinceCounts.select(userProvinceCounts['province'],userProvinceCounts["count"].alias('sl'))
 # 测试输出模式complete:complete将总计算结果都进行输出
 """
 batch 0
 TaiWan 1000
 batch 1
 TaiWan 1000
 其他省份  sl
 batch 2
 TaiWan 1000
 其他省份  sl
 """    userProvinceCounts.writeStream.outputMode("complete").format("console").trigger(processingTime="20 seconds").start().awaitTermination() 
 # 测试输出模式update:update只输出相比上个批次变动的内容(新增或修改)
 batch 0
 TaiWan 1000  
 batch 1 中没有TaiWan输出
 userProvinceCounts.writeStream.outputMode("complete").format("console").trigger(processingTime="20 seconds").start().awaitTermination() 
     """