Question

我已经阅读了一个csv文件，并将value字段转换为字节，并使用Kafka生成器应用程序写入Kafka主题。现在我尝试使用结构化流来读取Kafka主题但不能在值字段上应用自定义kryo反序列化。

有谁能告诉我如何在结构化流媒体中使用自定义反序列化？

Answer 1

我遇到了类似的问题，基本上，我在Protobuf上收到了所有Kafka的消息，我用UDF解决了这个问题。

from pyspark.sql.functions import udf

def deserialization_function(message):
    #You need to add your code to deserialize your messages
    #I returned a json but you can return other structure
    json = {"x": x_deserializable,
            "y": y_deserializable,
            "w": w_deserializable,
            "z": z_deserializable,
    return json

schema = StructType() \
                    .add("x", TimestampType()) \
                    .add("y", StringType()) \
                    .add("z", StringType()) \
                    .add("w", StringType()) 

own_udf = udf(deserialization_function, schema)

stream = spark.readStream \
          .format("kafka") \
          .option("kafka.bootstrap.servers", kafka_bootstrap_servers) \
          .option("subscribe", topic) \
          .load()

query = stream \
        .select(col("value")) \
        .select((own_udf("value")).alias("value_udf")) \
        .select("value_udf.x", "value_udf.y", "value_udf.w", "value_udf.z")

从Kafka主题中读取结构化流

1 个答案: