本文为《Spark大型电商项目实战》 系列文章之一，主要介绍自定义Accumulator原因、方法及代码实现，统计出用户访问时长和访问步长。
之前已经得到通过条件过滤后的session，现在需要统计出来访问时长在0s~3s的session的数量，占总session数量的比例；4s~6s的session的数量，占总session数量的比例；…… 并且统计出访问步长在1~3的session的数量，占总session数量的比例；4~6的session的数量，占总session数量的比例；……
这是就需要Accumulator，传统的Accumulator实现方式为： Accumulator 1s_3s = sc.accumulator(0L); 。。 。。 。。 十几个Accumulator
可以对过滤以后的session，调用foreach也可以，遍历所有session；计算每个session的访问时长和访问步长； 访问时长：把session的最后一个action的时间，减去第一个action的时间。 访问步长：session的action数量。 计算出访问时长和访问步长以后，根据对应的区间，找到对应的Accumulator，1s_3s.add(1L)， 同时每遍历一个session，就可以给总session数量对应的Accumulator加1，最后用各个区间的session数量，除以总session数量，就可以计算出各个区间的占比了。
这种传统的实现方式，有什么不好呢？？？
最大的不好，就是Accumulator太多了，不便于维护。 首先第一，很有可能，在写后面的累加代码的时候，比如找到了一个4s~6s的区间的session，但是却代码里面不小心，累加到7s~9s里面去了； 第二，当后期，项目如果要出现一些逻辑上的变更，比如说，session数量的计算逻辑，要改变，就得更改所有Accumulator对应的代码；或者说，又要增加几个范围，那么又要增加多个Accumulator，并且修改对应的累加代码；维护成本，相当之高（甚至可能，修改一个小功能，或者增加一个小功能，耗费的时间，比做一个新项目还要多；甚至于，还修改出了bug，那就耗费更多的时间）。
所以，我们这里的设计，不打算采用传统的方式，用十几个，甚至二十个Accumulator，因为维护成本太高。 这里的实现思路是，我们自己自定义一个Accumulator，实现较为复杂的计算逻辑，一个Accumulator维护了所有范围区间的数量的统计逻辑。 低耦合，如果说，session数量计算逻辑要改变，那么不用变更session遍历的相关的代码；只要维护一个Accumulator里面的代码即可；如果计算逻辑后期变更，或者加了几个范围，那么也很方便，不用多加好几个Accumulator，去修改大量的代码；只要维护一个Accumulator里面的代码即可；维护成本，大大降低
自定义Accumulator，也是Spark Core中，属于比较高端的一个技术使用自定义Accumulator，大家就可以任意的实现自己的复杂分布式计算的逻辑。如果说，你的task，分布式，进行复杂计算逻辑，那么是很难实现的（借助于redis，维护中间状态，借助于zookeeper去实现分布式锁）。但是，使用自定义Accumulator，可以更方便进行中间状态的维护，而且不用担心并发和锁的问题。
在包com.erik.sparkproject.spark中新建聚合统计Accumulator类SessionAggrStatAccumulator.java，具体代码如下：
package com.erik.sparkproject.spark; import org.apache.spark.AccumulatorParam; import com.erik.sparkproject.constant.Constants; import com.erik.sparkproject.util.StringUtils; /** * session聚合统计Accumulator * 使用自己定义的一些数据格式，比如String，甚至说，我们可以自己定义model，自己定义的类（必须可序列化） * 然后可以基于这种特殊的数据格式实现复杂的分布式计算逻辑 * 各个task分布式在运行，可以根据自己的需求，task给Accumulator传入不同的值 * 根据不同的值，去做复杂的逻辑 * * Spark Core里很使用的高端技术 * @author Erik * */ public class SesssionAggrStatAccumulator implements AccumulatorParam<String> { private static final long serialVersionUID = -2113961376143864034L; //zero方法，主要用于数据初始化 //这里就返回一个值，就是初始化中，所有范围区间的数值都是0 //各个范围区间的统计数量的拼接，还是采用key=value|key=value的连接串格式 //在Constants.java中添加 //String SESSION_COUNT = "session_count"; //String TIME_PERIOD_1s_3s = "1s_3s"; //String TIME_PERIOD_4s_6s = "4s_6s"; //String TIME_PERIOD_7s_9s = "7s_9s"; //String TIME_PERIOD_10s_30s = "10s_30s"; //String TIME_PERIOD_30s_60s = "30s_60s"; //String TIME_PERIOD_1m_3m = "1m_3m"; //String TIME_PERIOD_3m_10m = "3m_10m"; //String TIME_PERIOD_10m_30m = "10m_30m"; //String TIME_PERIOD_30m = "30m"; //String STEP_PERIOD_1_3 = "1_3"; //String STEP_PERIOD_4_6 = "4_6"; //String STEP_PERIOD_7_9 = "7_9"; //String STEP_PERIOD_10_30 = "10_30"; //String STEP_PERIOD_30_60 = "30_60"; //String STEP_PERIOD_60 = "60"; public String zero(String v) { return Constants.SESSION_COUNT + "=0|" + Constants.TIME_PERIOD_1s_3s + "=0|" + Constants.TIME_PERIOD_4s_6s + "=0|" + Constants.TIME_PERIOD_7s_9s + "=0|" + Constants.TIME_PERIOD_10s_30s + "=0|" + Constants.TIME_PERIOD_30s_60s + "=0|" + Constants.TIME_PERIOD_1m_3m + "=0|" + Constants.TIME_PERIOD_3m_10m + "=0|" + Constants.TIME_PERIOD_10m_30m + "=0|" + Constants.TIME_PERIOD_30m + "=0|" + Constants.STEP_PERIOD_1_3 + "=0|" + Constants.STEP_PERIOD_4_6 + "=0|" + Constants.STEP_PERIOD_7_9 + "=0|" + Constants.STEP_PERIOD_10_30 + "=0|" + Constants.STEP_PERIOD_30_60 + "=0|" + Constants.STEP_PERIOD_60 + "=0"; } //addInPlace和addAccumulator可以理解为是一样的 //这两个方法，主要实现，v1可能就是我们初始化的那个连接串 //v2就是在遍历session的时候，判断出某个session对应的区间，然后用Constants.TIME_PERIOD_1S_3S //所以，我们要做的事情就是在v1中，找到对应的v2对应的value，累加1，然后再更新到连接串里面去 public String addInPlace(String v1, String v2) { return null; } public String addAccumulator(String v1, String v2) { return null; } /** * session统计计算逻辑 * @param v1连接串 * @param v2 范围区间 * @return更新以后的连接串 */ private String add(String v1, String v2) { //校验：v1为空的时候，直接返回v2 if(StringUtils.isEmpty(v1)) { return v2; } //使用StringUtils工具类，从v1中提取v2对应的值，并累加1 String oldValue = StringUtils.getFieldFromConcatString(v1, "\\|", v2); if(oldValue != null) { //将范围区间原有的值累加1 int newValue = Integer.valueOf(oldValue) + 1; //使用StringUtils工具类，将v1中，v2对应的值设置成心的累加胡的值 return StringUtils.setFieldInConcatString(v1, "\\|", v2, String.valueOf(newValue)); } return v1; } }《Spark 大型电商项目实战》源码：https://github.com/Erik-ly/SprakProject
本文为《Spark大型电商项目实战》系列文章之一。 更多文章：Spark大型电商项目实战：http://blog.csdn.net/u012318074/article/category/6744423
