Scala spark streaming加入卡夫卡主题
我们有两个来自两个卡夫卡主题的Scala spark streaming加入卡夫卡主题,scala,apache-spark,apache-kafka,spark-streaming,Scala,Apache Spark,Apache Kafka,Spark Streaming,我们有两个来自两个卡夫卡主题的InputDStream,但我们必须将这两个输入的数据连接在一起。 问题是,每个输入流都是独立处理的,因为foreachRDD,所以在之后不能返回任何内容到join var Message1ListBuffer = new ListBuffer[Message1] var Message2ListBuffer = new ListBuffer[Message2] inputDStream1.foreachRDD(rdd => {
InputDStream
,但我们必须将这两个输入的数据连接在一起。
问题是,每个输入流
都是独立处理的,因为foreachRDD
,所以在之后不能返回任何内容到join
var Message1ListBuffer = new ListBuffer[Message1]
var Message2ListBuffer = new ListBuffer[Message2]
inputDStream1.foreachRDD(rdd => {
if (!rdd.partitions.isEmpty) {
val offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
rdd.map({ msg =>
val r = msg.value()
val avro = AvroUtils.objectToAvro(r.getSchema, r)
val messageValue = AvroInputStream.json[FMessage1](avro.getBytes("UTF-8")).singleEntity.get
Message1ListBuffer = Message1FlatMapper.flatmap(messageValue)
Message1ListBuffer
})
inputDStream1.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
}
})
inputDStream2.foreachRDD(rdd => {
if (!rdd.partitions.isEmpty) {
val offsetRanges = rdd.asInstanceOf[HasOffsetRanges].offsetRanges
rdd.map({ msg =>
val r = msg.value()
val avro = AvroUtils.objectToAvro(r.getSchema, r)
val messageValue = AvroInputStream.json[FMessage2](avro.getBytes("UTF-8")).singleEntity.get
Message2ListBuffer = Message1FlatMapper.flatmap(messageValue)
Message2ListBuffer
})
inputDStream2.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
}
})
我想我可以返回Message1ListBuffer和Message2ListBuffer,将它们转换成数据帧并加入它们。但这是行不通的,我认为这不是最好的选择
从这里开始,返回每个foreachRDD的rdd以进行连接的方法是什么
inputDStream1.foreachRDD(rdd => {
})
inputDStream2.foreachRDD(rdd => {
})
不确定您使用的Spark版本,使用Spark 2.3+,可以直接实现
火花>=2.3时
订阅2个您想加入的主题
在两个流中格式化订阅的消息
两条溪流汇合
更多
警告:
延迟记录将不会获得加入匹配。需要稍微调整一下缓冲区
不确定您使用的Spark版本,使用Spark 2.3+,可以直接实现
火花>=2.3时
订阅2个您想加入的主题
在两个流中格式化订阅的消息
两条溪流汇合
更多
警告:
延迟记录将不会获得加入匹配。需要稍微调整一下缓冲区
什么是Spark版本?什么是Spark版本?简短明了的回答:-)简短明了的回答:-)
val ds1 = spark
.readStream
.format("kafka")
.option("kafka.bootstrap.servers", "brokerhost1:port1,brokerhost2:port2")
.option("subscribe", "source-topic1")
.option("startingOffsets", "earliest")
.option("endingOffsets", "latest")
.load
val ds2 = spark
.readStream
.format("kafka")
.option("kafka.bootstrap.servers", "brokerhost1:port1,brokerhost2:port2")
.option("subscribe", "source-topic2")
.option("startingOffsets", "earliest")
.option("endingOffsets", "latest")
.load
val stream1 = ds1.selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)")
.as[(String, String)]
val stream2 = ds2.selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)")
.as[(String, String)]
resultStream = stream1.join(stream2)