Python 在Databricks上的事件中心设置startingPosition

我正在尝试使用PySpark从EventHub读取事件流。 我无法将起始位置设置为流的起始位置。 在Scala中这一点很清楚，但对于Python，我一直得到：

org.json4s.package$MappingException: No usable value for offset.

这是我的配置

conf = {
  "eventhubs.connectionString":
      "Endpoint=sb://XXXX;SharedAccessKeyName=XXX;SharedAccessKey=XXXX;EntityPath=XXXX",
  "eventhubs.consumerGroup": "$Default",
  "eventhubs.startingPosition": "-1"
}

---

在Scala中

val cs = "YOUR.CONNECTION.STRING"
val ehConf = EventHubsConf(cs)
  .setStartingPosition(EventPosition.fromEndOfStream)

参考：

通过PySpark在Python中使用

ehConf = {'eventhubs.connectionString' : connectionString}

startTime = "2020-04-07T01:05:05.662231Z"
endTime = "2020-04-07T01:15:05.662185Z"

startingEventPosition = {
"offset": None,
"seqNo": -1, #not in use
"enqueuedTime": startTime,
"isInclusive": True
}

endingEventPosition = {
"offset": None, #not in use
"seqNo": -1, #not in use
"enqueuedTime": endTime,
"isInclusive": True
}

# Put the positions into the Event Hub config dictionary
ehConf["eventhubs.startingPosition"] = json.dumps(startingEventPosition)
ehConf["eventhubs.endingPosition"] = json.dumps(endingEventPosition)

df = spark.read.format("eventhubs").options(**ehConf).load()

通过SDK在Python中使用

异步使用事件中心中的事件

导入日志
导入异步
从azure.eventhub.aio导入EventHubConsumerClient
连接_str='>'
消费者组='>'
eventhub_name='>'
logger=logging.getLogger（“azure.eventhub”）
logging.basicConfig（级别=logging.INFO）
事件上的异步定义（分区上下文，事件）：
info（“从分区{}接收到的事件”。格式（partition_context.partition_id））
等待分区\上下文。更新\检查点（事件）
异步def receive（）：
client=eventhubcumerclient.from\u connection\u string（connection\u str，consumer\u group，eventhub\u name=eventhub\u name）
与客户端异步：
等待客户(
on_事件=on_事件，
起始_position=“-1”，#“-1”是从分区的开始。
)
#从指定分区接收事件：
#wait client.receive（on_event=on_event，partition_id='0'）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
loop=asyncio.get\u event\u loop（）
循环。运行\u直到完成（receive（））

异步批量使用事件中心中的事件

导入日志
导入异步
从azure.eventhub.aio导入EventHubConsumerClient
连接_str='>'
消费者组='>'
eventhub_name='>'
logger=logging.getLogger（“azure.eventhub”）
logging.basicConfig（级别=logging.INFO）
事件批处理上的异步定义（分区上下文、事件）：
info（“从分区{}接收到的事件”。格式（partition_context.partition_id））
等待分区\上下文。更新\检查点（）
异步def接收批处理（）：
client=eventhubcumerclient.from\u connection\u string（connection\u str，consumer\u group，eventhub\u name=eventhub\u name）
与客户端异步：
等待客户。接收批(
on_event_batch=on_event_batch，
起始_position=“-1”，#“-1”是从分区的开始。
)
#从指定分区接收事件：
#等待客户端。接收\u批（在\u事件\u批=在\u事件\u批，分区\u id='0'）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
loop=asyncio.get\u event\u loop（）
循环。运行\u直到完成（接收\u批处理（））

使用检查点存储使用事件并保存检查点

导入异步IO
从azure.eventhub.aio导入EventHubConsumerClient
从azure.eventhub.extensions.checkpointstoreblobaio导入BlobCheckpointStore
连接_str='>'
消费者组='>'
eventhub_name='>'
存储\u连接\u str='>'
容器名称=“”
事件上的异步定义（分区上下文，事件）：
#做点什么
等待分区上下文。更新检查点（事件）或每N个事件更新检查点，以获得更好的性能。
异步def接收（客户端）：
等待客户(
on_事件=on_事件，
起始_position=“-1”，#“-1”是从分区的开始。
)
异步def main（）：
checkpoint\u store=BlobCheckpointStore.from\u connection\u字符串（storage\u connection\u str，container\u name）
客户端=EventHubConsumerClient.from\u连接\u字符串(
连接(u str),，
消费者联合会，
eventhub\u name=eventhub\u name，
checkpoint_store=checkpoint_store，#用于负载平衡和检查点。保留None表示无负载平衡
)
与客户端异步：
等待接收（客户）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
loop=asyncio.get\u event\u loop（）
循环。运行\u直到完成（main（））

---

参考资料：

如果您喜欢这个答案，并且它对您有效，请批准它并按照Stack Overflow的建议进行投票。谢谢。谢谢你的评论。是的，使用Scala非常清楚。但我似乎可以让它与pyspark一起工作。再次感谢，但我在这里非常具体。我知道如何使用标准的PythonSDK来实现这一点。我正在寻找如何使用PySpark。@Ali Masri，我也添加了PySpark的代码。@AliMasri，我的荣幸。@AliMasri，顺便说一句，由于您喜欢这个答案，而且它对您也很有用，请像批准一样对它进行投票，因为Stack Overflow建议您同时执行这两项操作。谢谢

import logging
import asyncio
from azure.eventhub.aio import EventHubConsumerClient

connection_str = '<< CONNECTION STRING FOR THE EVENT HUBS NAMESPACE >>'
consumer_group = '<< CONSUMER GROUP >>'
eventhub_name = '<< NAME OF THE EVENT HUB >>'

logger = logging.getLogger("azure.eventhub")
logging.basicConfig(level=logging.INFO)

async def on_event(partition_context, event):
    logger.info("Received event from partition {}".format(partition_context.partition_id))
    await partition_context.update_checkpoint(event)

async def receive():
    client = EventHubConsumerClient.from_connection_string(connection_str, consumer_group, eventhub_name=eventhub_name)
    async with client:
        await client.receive(
            on_event=on_event,
            starting_position="-1",  # "-1" is from the beginning of the partition.
        )
        # receive events from specified partition:
        # await client.receive(on_event=on_event, partition_id='0')

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(receive())

import logging
import asyncio
from azure.eventhub.aio import EventHubConsumerClient

connection_str = '<< CONNECTION STRING FOR THE EVENT HUBS NAMESPACE >>'
consumer_group = '<< CONSUMER GROUP >>'
eventhub_name = '<< NAME OF THE EVENT HUB >>'

logger = logging.getLogger("azure.eventhub")
logging.basicConfig(level=logging.INFO)

async def on_event_batch(partition_context, events):
    logger.info("Received event from partition {}".format(partition_context.partition_id))
    await partition_context.update_checkpoint()

async def receive_batch():
    client = EventHubConsumerClient.from_connection_string(connection_str, consumer_group, eventhub_name=eventhub_name)
    async with client:
        await client.receive_batch(
            on_event_batch=on_event_batch,
            starting_position="-1",  # "-1" is from the beginning of the partition.
        )
        # receive events from specified partition:
        # await client.receive_batch(on_event_batch=on_event_batch, partition_id='0')

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(receive_batch())

import asyncio

from azure.eventhub.aio import EventHubConsumerClient
from azure.eventhub.extensions.checkpointstoreblobaio import BlobCheckpointStore

connection_str = '<< CONNECTION STRING FOR THE EVENT HUBS NAMESPACE >>'
consumer_group = '<< CONSUMER GROUP >>'
eventhub_name = '<< NAME OF THE EVENT HUB >>'
storage_connection_str = '<< CONNECTION STRING FOR THE STORAGE >>'
container_name = '<<NAME OF THE BLOB CONTAINER>>'

async def on_event(partition_context, event):
    # do something
    await partition_context.update_checkpoint(event)  # Or update_checkpoint every N events for better performance.

async def receive(client):
    await client.receive(
        on_event=on_event,
        starting_position="-1",  # "-1" is from the beginning of the partition.
    )

async def main():
    checkpoint_store = BlobCheckpointStore.from_connection_string(storage_connection_str, container_name)
    client = EventHubConsumerClient.from_connection_string(
        connection_str,
        consumer_group,
        eventhub_name=eventhub_name,
        checkpoint_store=checkpoint_store,  # For load balancing and checkpoint. Leave None for no load balancing
    )
    async with client:
        await receive(client)

if __name__ == '__main__':
    loop = asyncio.get_event_loop()
    loop.run_until_complete(main())