Apache spark Spark Structured Streaming with Kafka source,在运行查询时更改主题分区的数量
我设置了一个Spark结构化流式查询,它读取卡夫卡主题。 如果主题中的分区数在Spark查询运行时更改,Spark似乎不会注意到,并且新分区上的数据也不会被消耗 除了停止查询或重新启动查询外,还有没有其他方法可以告诉Spark检查同一主题中的新分区 编辑: 我用的是Spark 2.4.4。我从卡夫卡那里读到如下内容:Apache spark Spark Structured Streaming with Kafka source,在运行查询时更改主题分区的数量,apache-spark,apache-kafka,partitioning,spark-structured-streaming,spark-streaming-kafka,Apache Spark,Apache Kafka,Partitioning,Spark Structured Streaming,Spark Streaming Kafka,我设置了一个Spark结构化流式查询,它读取卡夫卡主题。 如果主题中的分区数在Spark查询运行时更改,Spark似乎不会注意到,并且新分区上的数据也不会被消耗 除了停止查询或重新启动查询外,还有没有其他方法可以告诉Spark检查同一主题中的新分区 编辑: 我用的是Spark 2.4.4。我从卡夫卡那里读到如下内容: spark .readStream .format("kafka") .option("kafka.bootstrap.servers", ka
spark
.readStream
.format("kafka")
.option("kafka.bootstrap.servers", kafkaURL)
.option("startingOffsets", "earliest")
.option("subscribe", topic)
.option("failOnDataLoss", value = false)
.load()
经过一些处理后,我在Delta Lake表上给HDFS写信。回答我自己的问题。Kafka消费者每隔
metadata.max.age.ms
检查一次新的分区/主题(如果订阅具有模式的主题),其默认值为300000
(5分钟)
因为我的测试持续时间远远少于这个,所以我不会注意到更新。对于测试,通过设置DataStreamReader
的以下选项,将该值减小到较小值,例如100 ms:
.option("kafka.metadata.max.age.ms", 100)
Spark的版本是什么?你能展示你用来访问卡夫卡的代码吗?您所描述的内容应该得到开箱即用的支持。