Python Databricks：卡夫卡的Spark结构化流卡在；“流初始化”；

我想用kafka源在databricks中创建一个结构化流。 我按照说明做了。我的脚本似乎启动了，但是我无法在databricks笔记本中打印/输出某些内容。当我使用

confluent_kafka

时，流itsellf工作良好，并产生结果和工作（在databricks中），因此我似乎遗漏了一个不同的问题：

脚本似乎在“运行命令”/“流初始化”时“卡住”

非常感谢您的任何意见

from pyspark.sql import functions as F
from pyspark.sql.types import *

# Define a data schema
schema = StructType() \
           .add('PARAMETERS_TEXTVALUES_070_VALUES', StringType())\
           .add('ID', StringType())\
           .add('PARAMETERS_TEXTVALUES_001_VALUES', StringType())\
           .add('TIMESTAMP', TimestampType())


df = spark \
    .readStream \
    .format("kafka") \
    .option("host", "stream.xxx.com") \
    .option("port", 12345)\
    .option('kafka.bootstrap.servers', 'stream.xxx.com:12345') \
    .option('subscribe', 'stream_test.json') \
    .option("startingOffset", "earliest") \
    .load()

df_word = df.select(F.col('key').cast('string'),
                    F.from_json(F.col('value').cast('string'), schema).alias("parsed_value"))
  
# Group by id and count
df_group = df_word.select('parsed_value.*')\
                  .groupBy('ID').count()

query = df_group \
    .writeStream \
    .outputMode("complete") \
    .format("console") \
    .start()

query.awaitTermination()

我的流输出数据如下所示：

"PARAMETERS_TEXTVALUES_070_VALUES":'something'
"ID":"47575963333908"
"PARAMETERS_TEXTVALUES_001_VALUES":12345
"TIMESTAMP": "2020-10-22T15:06:42.507+02:00"

澄清一下：我正在尝试将

query

的组件打印到笔记本上，以测试连接。此单元格后面或上面的单元格前面没有单元格

---

谢谢，请注意安全。

顺便说一句：我知道我的问题有不可复制的代码，但在这种情况下，我觉得无法生成该代码：/您是否尝试在该单元格后在笔记本中打印出一些内容？如果是这样，请删除query.waittermination（）hi@JoeWiden-我正在尝试将

query

的输出打印到笔记本上。我正在尝试在该单元格中执行此操作，但该单元格后面没有任何内容，因此我删除了

query.waittermination（）

，它没有更改任何内容。您显示的id（df_组）并删除该查询=，这能实现你想要的吗？