使用Apache Spark 2.1版,我想使用Kafka(0.10.0.2.5)作为pyspark的结构化流的源:
kafka_app.py:
from pyspark.sql import SparkSession
spark=SparkSession.builder.appName("TestKakfa").getOrCreate()
kafka=spark.readStream.format("kafka") \
.option("kafka.bootstrap.servers","localhost:6667") \
.option("subscribe","mytopic").load()
我以下列方式启动了应用程序:
./bin/spark-submit kafka_app.py --master local[4] --jars spark-streaming-kafka-0-10-assembly_2.10-2.1.0.jar
从mvnrepository.com/artifact/org.apache.spark/spark-streaming-kafka-0-10-assembly_2.10/2.1.0下载.jar后
我得到了这样的错误:
[...] java.lang.ClassNotFoundException:Failed to find data source: kakfa. [...]
所以我想知道我错在哪里,或者Kafka是否真的支持使用pyspark与Spark 2.1集成,因为这个页面只提到Scala和Java作为0.10版本中支持的语言让我怀疑:https://spark.apache.org/docs/2.1.0/structured-streaming-kafka-integration.html (但如果还不支持,为什么Python中的一个例子被发布?)
提前感谢您的帮助!
答案 0 :(得分:3)
你需要使用sql结构的流媒体jar“spark-sql-kafka-0-10_2.11-2.1.0.jar”而不是spark-streaming-kafka-0-10-assembly_2.10-2.1.0的.jar。