Scala Spark Structured Streaming writeStream输出一个全局csv

我目前正在使用Spark结构化流媒体制作一个原始日志数据聚合器

Inputstream由一个文本文件目录组成：

// == Input == //

val logsDF = spark.readStream
  .format("text")
  .option("maxFilesPerTrigger", 1)
  .load("input/*")

然后解析日志

// == Parsing == //

val logsDF2 = ...

。。。和聚合

// == Aggregation == //

val windowedCounts = logsDF2
  .withWatermark("window_start", "15 minutes")
  .groupBy(
    col("window"),
    col("node")
  ).count()

当我使用“控制台”接收器时，一切正常：结果在控制台中逐批更新：

// == Output == //

val query = windowedCounts.writeStream
  .format("console")
  .outputMode("complete")
  .start()
  .awaitTermination()

现在我想将结果保存在一个唯一的文件中（json、拼花、csv..）

但它输出400个空csv。。。如何才能像在控制台中那样获得结果

---

多谢各位

很久以前，但我自己也经历了这个问题，并认为我会解决它。事实上，我认为您的代码是好的，直到您尝试将数据放入csv文件。尝试将writeStream csv代码更改为：

// == Output == //
val query = windowedCounts.writeStream
  .format("csv")
  .trigger(processingTime="10 seconds")
  .option("checkpointLocation", "checkpoint/")
  .option("path", "output_path/")
  .outputMode("append")
  .start()
  .awaitTermination()

该行：

.trigger(processingTime="10 seconds")

应该解决400个文件，因为它每10秒只写一个新文件。这两条线：

.option("path", "output_path/")
.outputMode("append")

在附加最新值并将文件输出到特定的输出目录时，应解决空文件问题

.option("path", "output_path/")
.outputMode("append")