使用kafka直接流的Pyspark预测
我试图将卡夫卡数据拉入流媒体,从HDFS加载一个已经构建的模型,然后使用卡夫卡消息进行预测 我尝试了几种方法,但由于类型错误,我被困在model.predict上:无法将类型转换为向量 从卡夫卡接收的数据以浮点数逗号分隔 这是我的密码:使用kafka直接流的Pyspark预测,pyspark,spark-streaming,Pyspark,Spark Streaming,我试图将卡夫卡数据拉入流媒体,从HDFS加载一个已经构建的模型,然后使用卡夫卡消息进行预测 我尝试了几种方法,但由于类型错误,我被困在model.predict上:无法将类型转换为向量 从卡夫卡接收的数据以浮点数逗号分隔 这是我的密码: sc = SparkContext(appName="PythonStreamingKafkaForecast") ssc = StreamingContext(sc, 10) # Create stream to get kafka messages dir
sc = SparkContext(appName="PythonStreamingKafkaForecast")
ssc = StreamingContext(sc, 10)
# Create stream to get kafka messages
directKafkaStream = KafkaUtils.createDirectStream(ssc, ["my_topic"], {"metadata.broker.list": "kafka_ip"})
features = directKafkaStream.foreachRDD(lambda rdd: rdd.map(lambda s: Vectors.dense(s[1].split(","))))
model = LinearRegressionModel.load(sc, "hdfs://hadoop_ip/model.model")
#Predict
predicted = model.predict(features)
我也试过:
lines = directKafkaStream.map(lambda x: x[1])
features = lines.map(lambda data: Vectors.dense([float(c) for c in data.split(',')]))
但这一次,特性的类型是TransformedStream,它不适用于前缀
你能告诉我我做错了什么吗
感谢您的帮助好的,问题是即使主题为空,也要尝试从卡夫卡读取数据 这解决了我的问题:
def predict(rdd):
count = rdd.count()
if (count > 0):
features = rdd.map(lambda s: Vectors.dense(s[1].split(",")))
return features
else:
print("No data received")
directKafkaStream.foreachRDD(lambda rdd: predict(rdd))