Question

我正在尝试利用直接kafka使用者（python中提供的新功能），从我在localhost：9092上运行的自定义Kafka Producer中捕获数据。

我目前正在使用spark 1.6示例脚本提供的“direct_kafka_wordcount.py”。

来源：https://github.com/apache/spark/blob/master/examples/src/main/python/streaming/direct_kafka_wordcount.py

DOCS ： http://spark.apache.org/docs/latest/streaming-kafka-integration.html

我正在使用以下命令运行程序：

    ~/spark-1.6.0/bin/spark-submit --jars 
    ~/spark-1.6.0/external/kafka-assembly/target/spark-streaming-kafka-assembly_2.10-1.6.0.jar           
direct_kafka_wordcount.py localhost:9092 twitter.live

不幸的是，我收到一个奇怪的错误，我无法调试。任何提示/建议将非常感激。

py4j.protocol.Py4JJavaError: An error occurred while calling o24.createDirectStreamWithoutMessageHandler.
: org.apache.spark.SparkException: java.nio.channels.ClosedChannelException
        at org.apache.spark.streaming.kafka.KafkaCluster$$anonfun$checkErrors$1.apply(KafkaCluster.scala:366)
        at org.apache.spark.streaming.kafka.KafkaCluster$$anonfun$checkErrors$1.apply(KafkaCluster.scala:366)
        at scala.util.Either.fold(Either.scala:97)
        at org.apache.spark.streaming.kafka.KafkaCluster$.checkErrors(KafkaCluster.scala:365)
        at org.apache.spark.streaming.kafka.KafkaUtils$.getFromOffsets(KafkaUtils.scala:222)
        at org.apache.spark.streaming.kafka.KafkaUtilsPythonHelper.createDirectStream(KafkaUtils.scala:720)
        at org.apache.spark.streaming.kafka.KafkaUtilsPythonHelper.createDirectStreamWithoutMessageHandler(KafkaUtils.scala:688)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:606)
        at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
        at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:381)
        at py4j.Gateway.invoke(Gateway.java:259)
        at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
        at py4j.commands.CallCommand.execute(CallCommand.java:79)
        at py4j.GatewayConnection.run(GatewayConnection.java:209)
        at java.lang.Thread.run(Thread.java:745)

Answer 1

错误：

java.nio.channels.ClosedChannelException

表示topic不存在，或者无法访问代理或存在某种网络（代理）问题。

在火花kafka-console-consumer＆amp;上运行master，确保没有此类连接问题。 slave个节点。

Answer 2

我有类似的问题。但结果是不同的解决方案。我有不同版本的scala运行spark和kafka。

我最终在两边使用相同版本，然后pyspark能够生成类。

我使用了以下

Spark：spark-1.6.3-bin-hadoop2.6.tgz Spark-Streaming-kafka：spark-streaming-kafka-assembly_2.10-1.6.3.jar

Answer 3

在我的案例中，来自kafka的消费者话题：

获取错误，程序退出。所以我检查metadata.broker.list，只添加了一个经纪人。添加除了其中一个之外的所有经纪人。一切顺利，但仍然得到警告org.apache.spark.SparkException: java.nio.channels.ClosedChannelException，所以我从zk检查kafka经纪人状态，发现一个经纪人被破坏了，这会产生这样的错误。

使用PySpark直接使用Kafka Stream（Apache Spark 1.6）

3 个答案: