喜大普奔！破百了！
点一下关注吧！！！非常感谢！！持续更新！！！
目前已经更新到了：
Hadoop（已更完）
HDFS（已更完）
MapReduce（已更完）
Hive（已更完）
Flume（已更完）
Sqoop（已更完）
Zookeeper（已更完）
HBase（已更完）
Redis （已更完）
Kafka（已更完）
Spark（正在更新！）
章节内容
上节我们完成了如下的内容：
Spark Streaming 基础数据源
文件流、Socket流、RDD队列流
引入依赖、Java编写多种流进行测试
DStream 转换
DStream上的操作与RDD类似，分为Transformations（转换）和 Output Operations（输出）两种，此外转换操作中还有一些比较特殊的方法，如：
- updateStateByKey
- transform
- window相关操作
-
-
-
- map(func)
对 DStream 中的每个元素应用 func 函数，并返回一个新的 DStream。
例如，将每个记录转换为其长度。
示例：val lengths = lines.map(line => line.length)
flatMap(func)
对 DStream 中的每个元素应用 func 函数，并将结果展平（即将集合的集合展开）。
例如，将每一行文本拆分为单词。
示例：val words = lines.flatMap(line => line.split(" "))
filter(func)
对 DStream 中的每个元素应用 func 函数，并保留返回值为 true 的元素。
例如，过滤掉长度小于 5 的单词。
示例：val filteredWords = words.filter(word => word.length > 5)
reduceByKey(func)
对键值对 DStream 进行聚合操作，对具有相同键的元素应用 func 函数。
例如，计算每个单词的总数。
示例：val wordCounts = words.map(word => (word, 1)).reduceByKey(_ + _)
groupByKey()
对键值对 DStream 中的每个键进行分组，并将具有相同键的值聚合到一个列表中。
示例：val grouped = pairs.groupByKey()
count()
统计 DStream 中每个 RDD 的元素个数。
示例：val count = words.count()
countByValue()
统计 DStream 中每个 RDD 中每个值的出现次数。
示例：val valueCounts = words.countByValue()
union(otherDStream)
将两个 DStream 合并为一个新的 DStream，包含两个 DStream 中的所有元素。
示例：val mergedStream = stream1.union(stream2)
join(otherDStream)
对两个键值对 DStream 进行连接操作，类似 SQL 中的 JOIN 操作。
示例：val joinedStream = stream1.join(stream2)
备注：
在DStream与RDD上的转换操作非常类似（无状态操作）
DStream有自己特殊的操作（窗口操作、追踪状态变化操作）
在DStream上的转换操作比RDD上的转换操作少
DStream 的转换操作可以分为 无状态（stateless）和 有状态（stateful）两种：
无状态转换操作，每个批次的处理不依赖与之前批次的数据，常见的RDD转化操作，例如：map、Filter、reduceByKey等
有状态转换操作，需要使用之前批次的数据或者是中间结果来计算当前批次的数据，有状态转换操作包括：基于滑动窗口的转换操作或追踪状态变化的转化操作
无状态转换
无状态转换操作就是把简单的RDD转换操作应用到每个批次上，也就是转换DStream中的每一个RDD。
常见的无状态转换包括：
map
flatMap
repartition
reduceByKey
groupByKey
重要的转换操作：transform，通过对源DStream的每个RDD应用RDD-To-RDD函数，创建一个新的DStream，支持在新的DStream中任何RDD操作。
这是一个功能强大的函数，它可以允许开发者直接操作其内部的RDD，也就是说开发者，可以任意提供一个RDDToRDD的函数，这个函数在数据流每个批次中都被调用，生成一个新的流。
案例1 黑名单过滤
假设：arr1为黑名单数据(自定义)，true表示数据生效，需要被过滤掉；false表示数据 未生效 val arr1 = Array(("spark", true), ("scala", false)) 假设：流式数据格式为"time word"，需要根据黑名单中的数据对流式数据执行过滤操 作。如"2 spark"要被过滤掉 1 hadoop 2 spark 3 scala 4 java 5 hive 结果："2 spark" 被过滤
