Question

尽管我正在使用withWatermark()，但是当我运行我的火花作业时，我收到以下错误消息：

线程“main”中的异常org.apache.spark.sql.AnalysisException：当没有水印的流式DataFrames / DataSets上有流式聚合时，不支持追加输出模式;;

从我在programming guide中看到的内容，这与预期用法（以及示例代码）完全匹配。有谁知道什么可能是错的？

提前致谢！

相关代码（Java 8，Spark 2.2.0）：

StructType logSchema = new StructType()
        .add("timestamp", TimestampType)
        .add("key", IntegerType)
        .add("val", IntegerType);

Dataset<Row> kafka = spark
        .readStream()
        .format("kafka")
        .option("kafka.bootstrap.servers", brokers)
        .option("subscribe", topics)
        .load();

Dataset<Row> parsed = kafka
        .select(from_json(col("value").cast("string"), logSchema).alias("parsed_value"))
        .select("parsed_value.*");

Dataset<Row> tenSecondCounts = parsed
        .withWatermark("timestamp", "10 minutes")
        .groupBy(
            parsed.col("key"),
            window(parsed.col("timestamp"), "1 day"))
        .count();

StreamingQuery query = tenSecondCounts
        .writeStream()
        .trigger(Trigger.ProcessingTime("10 seconds"))
        .outputMode("append")
        .format("console")
        .option("truncate", false)
        .start();

Answer 1

问题出在parsed.col。用col替换它将解决问题。我建议始终使用col函数而不是Dataset.col。

Dataset.col返回resolved column，col返回unresolved column。

parsed.withWatermark("timestamp", "10 minutes")将使用具有相同名称的新列创建新的数据集。水印信息附加在新数据集中的timestamp列，而不是parsed.col("timestamp")，因此groupBy中的列不会有水印。

当您使用未解析的列时，Spark会为您找出正确的列。

使用带水印的附加输出模式时的结构化流异常

1 个答案: