如何将流式数据从spark接收到Mongodb？

我正在使用pyspark从Kafka读取流数据，然后我想将该数据接收到mongodb。我已经包含了所有必需的包，但是它抛出了一个错误
不支持操作异常：数据源com.mongodb.spark.sql.DefaultSource不支持流式写入

以下链接与我的问题无关

这是完整的错误堆栈跟踪

回溯（最近一次调用）：文件“/home/b3ds/kafka spark.py”， 第85行，在 .option（“com.mongodb.spark.sql.DefaultSource”mongodb://localhost:27017/twitter.test")\ 文件 “/home/b3ds/hdp/spark/python/lib/pyspark.zip/pyspark/sql/streaming.py”， 开始文件中的第827行 “/home/b3ds/hdp/spark/python/lib/py4j-0.10.4-src.zip/py4j/java_gateway.py”， 第1133行，在调用文件中 “/home/b3ds/hdp/spark/python/lib/pyspark.zip/pyspark/sql/utils.py”， 第63行，在deco文件中 “/home/b3ds/hdp/spark/python/lib/py4j-0.10.4-src.zip/py4j/protocol.py”， 第319行，在get_return_值py4j.protocol.Py4JJavaError中：一个错误 调用o122.start时发生： java.lang.UnsupportedOperationException:数据源 com.mongodb.spark.sql.DefaultSource不支持流式写入 位于org.apache.spark.sql.execution.datasources.DataSource.createSink（DataSource.scala:287） 位于org.apache.spark.sql.streaming.DataStreamWriter.start（DataStreamWriter.scala:272） 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:280） 位于py4j.commands.AbstractCommand.invokeMethod（AbstractCommand.java:132） 在py4j.commands.CallCommand.execute（CallCommand.java:79） 在py4j.GatewayConnection.run处（GatewayConnection.java:214） 运行（Thread.java:748）

这是我的Pypark代码

from __future__ import print_function
import sys
from pyspark.sql.functions import udf
from pyspark.sql import SparkSession
from pyspark import SparkContext
from pyspark.streaming import StreamingContext
from pyspark.streaming.kafka import KafkaUtils
from pyspark.sql.types import StructType
from pyspark.sql.types import *
import json
from pyspark.sql.functions import struct
from pyspark.sql.functions import *
import datetime

json_schema = StructType([
  StructField("twitterid", StringType(), True),
  StructField("created_at", StringType(), True),
  StructField("tweet", StringType(), True),
  StructField("screen_name", StringType(), True)
])

def parse_json(df):
    twitterid   = json.loads(df[0])['id']
    created_at  = json.loads(df[0])['created_at']
    tweet       = json.loads(df[0])['text']
    tweet       = json.loads(df[0])['text']
    screen_name = json.loads(df[0])['user']['screen_name']
    return [twitterid, created_at, tweet, screen_name]

def convert_twitter_date(timestamp_str):
    output_ts = datetime.datetime.strptime(timestamp_str.replace('+0000 ',''), '%a %b %d %H:%M:%S %Y')
    return output_ts

if __name__ == "__main__":

        spark = SparkSession\
                        .builder\
                        .appName("StructuredNetworkWordCount")\
                        .config("spark.mongodb.input.uri","mongodb://192.168.1.16:27017/twitter.test")\
                        .config("spark.mongodb.output.uri","mongodb://192.168.1.16:27017/twitter.test")\
                        .getOrCreate()
        events = spark\
                        .readStream\
                        .format("kafka")\
                        .option("kafka.bootstrap.servers", "localhost:9092")\
                        .option("subscribe", "twitter")\
                        .load()
        events = events.selectExpr("CAST(value as String)")

        udf_parse_json = udf(parse_json , json_schema)
        udf_convert_twitter_date = udf(convert_twitter_date, TimestampType())
        jsonoutput = events.withColumn("parsed_field", udf_parse_json(struct([events[x] for x in events.columns]))) \
                                        .where(col("parsed_field").isNotNull()) \
                                        .withColumn("created_at", col("parsed_field.created_at")) \
                                        .withColumn("screen_name", col("parsed_field.screen_name")) \
                                        .withColumn("tweet", col("parsed_field.tweet")) \
                                        .withColumn("created_at_ts", udf_convert_twitter_date(col("parsed_field.created_at")))

        windowedCounts = jsonoutput.groupBy(window(jsonoutput.created_at_ts, "1 minutes", "15 seconds"),jsonoutput.screen_name)$

        mongooutput = jsonoutput \
                        .writeStream \
                        .format("com.mongodb.spark.sql.DefaultSource")\
                        .option("com.mongodb.spark.sql.DefaultSource","mongodb://localhost:27017/twitter.test")\
                        .start()
        mongooutput.awaitTermination()

我看过mongodb文档，文档中说它支持spark到mongo sink

我看过mongodb文档，其中说它支持spark到mongo sink

文档声称，您可以使用标准的

RDD

API，使用遗留流（

DStream

）API编写每个RDD

---

这并不意味着MongoDB支持结构化流媒体，它也不支持。由于您使用PySpark，而PySpark不可访问，因此您必须等待，直到（如果有的话）MongoDB包被更新以支持流式操作。

您让它工作了吗？我也有类似的问题。嗨，你解决问题了吗？