使用SparkStreaming 实时计算景点搜索热度TOP3

要实现这个需求，需要以下步骤：

1. 从数据源获取景点搜索数据，例如从Kafka、Flume等消息队列或者数据流中获取。
2. 使用SparkStreaming进行实时处理，将数据流转换为DStream流。
3. 对DStream进行处理，统计每个景点的搜索次数，可以使用reduceByKey算子进行聚合操作。
4. 对聚合结果进行排序，取出搜索次数最多的前三个景点。
5. 将结果输出到外部存储系统，如HDFS、MySQL、Redis等。

下面是一个简单的代码示例：

import org.apache.spark._
import org.apache.spark.streaming._
import org.apache.spark.streaming.StreamingContext._
import org.apache.spark.streaming.kafka._

val conf = new SparkConf().setAppName("SearchHotTop3")
val ssc = new StreamingContext(conf, Seconds(5))

val topics = Set("search_topic")
val kafkaParams = Map("metadata.broker.list" -> "localhost:9092")

val searchStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](
  ssc, kafkaParams, topics)

val searchCount = searchStream.map(x => (x._2.split(",")(0), 1))
  .reduceByKey(_ + _)
  .map(x => (x._2, x._1))
  .transform(_.sortByKey(false))

searchCount.foreachRDD(rdd => {
  val top3 = rdd.take(3)
  // 输出到外部存储系统，如HDFS、MySQL、Redis等
})

ssc.start()
ssc.awaitTermination()

在这个示例中，我们使用Kafka作为数据源，在5秒的时间窗口内统计每个景点的搜索次数，然后按照搜索次数从高到低进行排序，取出搜索次数最多的前三个景点，并将结果输出到外部存储系统。