Question

我正在尝试将火花流偏移读入我的消费者，但我似乎无法正确地做到这一点。

这是我的代码。

val dfoffset = hiveContext.sql(s"select * from $db")
dfoffset.show()
val dfoffsetArray = dfoffset.collect()
println("printing array of data")
dfoffsetArray.foreach(println)
val fromOffsets = collection.mutable.Map[TopicAndPartition, Long]()
for (i <- dfoffsetArray) {
  val topicAndPartition = (TopicAndPartition(i(1).toString, i(0).toString.toInt) -> (i(2).toString.toLong))
  fromOffsets += topicAndPartition
}

val kafkaParams = Map[String, String]("bootstrap.servers" -> serverName, "group.id" -> "test")
val topics = Array(topicName).toSet
//stuck here 
var directKafkaStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics)

directKafkaStream.foreachRDD(rdd1 => { ..

以下是显示数据框

的输出

partition_number|topic_name|current_offset|
+----------------+----------+--------------+
|               0|TOPIC_NAME|          4421|

非常感谢任何帮助。

我正在使用spark 1.6，Scala 2.10.5，kafka 10

Answer 1

正如显示KafkaUtils.createDirectStream的官方文档，您应该将fromOffsets作为createDirectStream的第3个参数传递（并且不要忘记第4个参数messageHandler）。

fromOffsets参数假设为collection.immutable.Map[TopicAndPartition, Long]，我们通常在Scala中使用不可变而不是可变。
您可以使用以下内容将dfoffsetArray转换为immutable.Map[TopicAndPartition, Long]：

val fromOffsets = dfoffsetArray.map( i =>
  TopicAndPartition(i(1).toString, i(0).toString.toInt) -> (i(2).toString.toLong)
).toMap

messageHandler是(MessageAndMetadata[K, V]) ⇒ R)的类型，它处理消息的键和值。您可以按如下方式定义一个简单的处理程序：

val messageHandler =
  (mmd: MessageAndMetadata[String, String]) => (mmd.key, mmd.message)

然后你的createDirectStream看起来像......

KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder,
  (String, String)](ssc, kafkaParams, fromOffsets, messageHandler)

现在您可以自由地对流进行一些转换。快乐的流媒体！

几个月前，this文章对我进行了辅导。也许你会觉得它很有帮助。

Spark 1.6在kafka偏移中的流式消费者阅读卡在createDirectStream上

1 个答案: