Apache spark 使用apache-bahir的pyspark-MQTT结构化流媒体

我使用的是spark 2.4，我运行的pyspark如下：

./bin/pyspark --packages org.apache.bahir:spark-sql-streaming-mqtt_2.11:2.3.2

pyspark运行成功。

---

（但当我运行spark-sql-streaming-mqtt_2.11:2.4.0-SNAPSHOT时，出现了一个错误）

我正在尝试使用结构化流从MQTT代理获取数据。 所以，我已经运行了这个

>>> from pyspark.sql import SparkSession
>>> from pyspark.sql.functions import explode
>>> from pyspark.sql.functions import split
>>> spark = SparkSession \
...     .builder \
...     .appName("Test") \
...     .getOrCreate()
>>> lines = spark.readStream\
...     .format("org.apache.bahir.sql.streaming.mqtt.MQTTStreamSourceProvider")\
...     .option("topic", "/sensor")\
...     .option("brokerUrl", "tcp://localhost:1883")\
...     .load()

错误显示为：

2019-03-22 01:24:43 WARN  MQTTUtils:51 - If `clientId` is not set, a random value is picked up.
Recovering from failure is not supported in such a case.
Traceback (most recent call last):
  File "<stdin>", line 4, in <module>
  File "/opt/spark/python/pyspark/sql/streaming.py", line 400, in load
    return self._df(self._jreader.load())
  File "/opt/spark/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py", line 1257, in __call__
  File "/opt/spark/python/pyspark/sql/utils.py", line 63, in deco
    return f(*a, **kw)
  File "/opt/spark/python/lib/py4j-0.10.7-src.zip/py4j/protocol.py", line 328, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o43.load.
: MqttException (0)
    at org.eclipse.paho.client.mqttv3.persist.MqttDefaultFilePersistence.checkIsOpen(MqttDefaultFilePersistence.java:130)
    at org.eclipse.paho.client.mqttv3.persist.MqttDefaultFilePersistence.getFiles(MqttDefaultFilePersistence.java:247)
    at org.eclipse.paho.client.mqttv3.persist.MqttDefaultFilePersistence.close(MqttDefaultFilePersistence.java:142)
    at org.apache.bahir.sql.streaming.mqtt.MQTTStreamSource.stop(MQTTStreamSource.scala:228)
    at org.apache.spark.sql.streaming.DataStreamReader.load(DataStreamReader.scala:190)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:282)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)

2019-03-22 01:24:43警告MQTTUtils:51-如果未设置'clientId'，则拾取一个随机值。
在这种情况下，不支持从故障中恢复。
回溯（最近一次呼叫最后一次）：
文件“”，第4行，在
文件“/opt/spark/python/pyspark/sql/streaming.py”，第400行，已加载
返回self.\u df（self.\u jreader.load（））
文件“/opt/spark/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py”，第1257行，in_u调用__
文件“/opt/spark/python/pyspark/sql/utils.py”，第63行，deco格式
返回f（*a，**kw）
文件“/opt/spark/python/lib/py4j-0.10.7-src.zip/py4j/protocol.py”，第328行，在get_return_值中
py4j.protocol.Py4JJavaError:调用o43.load时出错。
：MqttException（0）
位于org.eclipse.paho.client.mqttv3.persist.MqttDefaultFilePersistence.checkIsOpen（MqttDefaultFilePersistence.java:130）
位于org.eclipse.paho.client.mqttv3.persist.MqttDefaultFilePersistence.getFiles（MqttDefaultFilePersistence.java:247）
位于org.eclipse.paho.client.mqttv3.persist.MqttDefaultFilePersistence.close（MqttDefaultFilePersistence.java:142）
位于org.apache.bahir.sql.streaming.mqtt.MQTTStreamSource.stop（MQTTStreamSource.scala:228）
位于org.apache.spark.sql.streaming.DataStreamReader.load（DataStreamReader.scala:190）
在sun.reflect.NativeMethodAccessorImpl.invoke0（本机方法）处
位于sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:62）
在sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:43）中
位于java.lang.reflect.Method.invoke（Method.java:498）
位于py4j.reflection.MethodInvoker.invoke（MethodInvoker.java:244）
位于py4j.reflection.ReflectionEngine.invoke（ReflectionEngine.java:357）
在py4j.Gateway.invoke处（Gateway.java:282）
位于py4j.commands.AbstractCommand.invokeMethod（AbstractCommand.java:132）
在py4j.commands.CallCommand.execute（CallCommand.java:79）
在py4j.GatewayConnection.run处（GatewayConnection.java:238）
运行（Thread.java:748）

我尝试了一周的MQTT数据流。但我不认为有办法解决这个问题，它真的很绝望。我没办法解决吗？

---

谢谢。

尝试设置

持久性

选项

例如：

   val lines = spark.readStream.format("datasource.mqtt.MQTTStreamSourceProvider")
  .option("topic", topic)
  .option("persistence","memory")
  .option("brokerUrl",broker)
  .option("cleanSession", "true")
  .load()

---

尝试设置

持久性

选项

例如：

   val lines = spark.readStream.format("datasource.mqtt.MQTTStreamSourceProvider")
  .option("topic", topic)
  .option("persistence","memory")
  .option("brokerUrl",broker)
  .option("cleanSession", "true")
  .load()

---

“但是当我运行spark-sql-streaming-mqtt_2.11:2.4.0-SNAPSHOT时，出现了一个错误”是否相关？看起来类似于“但是当我运行spark-sql-streaming-mqtt_2.11:2.4.0-SNAPSHOT时，出现了一个错误”是否相关？如果我想将其持久化到内存和磁盘中，看起来类似于。。。我该怎么做？如果我想把它保存在内存和磁盘中。。。我该怎么做？