将Spark结构化流输出写入Kafka主题

时间:2018-06-26 18:25:52

标签: apache-spark apache-kafka spark-structured-streaming

我有一个简单的结构化流应用程序,该应用程序仅从一个Kafka主题读取数据并写入另一个主题。

SparkConf conf = new SparkConf()
        .setMaster("local[*]")
        .setAppName("test");

SparkSession spark = SparkSession
        .builder()
        .config(conf)
        .getOrCreate();

Dataset<Row> dataset = spark
        .readStream()
        .format("kafka")
        .option("kafka.bootstrap.servers", "localhost:9092")
        .option("subscribe", "start")
        .load();

StreamingQuery query = dataset
        .writeStream()
        .format("kafka")
        .option("kafka.bootstrap.servers", "localhost:9092")
        .option("checkpointLocation", "checkpoint")
        .option("topic", "end")
        .start();

query.awaitTermination(20000);

在主题start上有两条消息要处理。这段代码毫无例外地运行,但是最终没有消息出现在主题end上。这个例子怎么了?

1 个答案:

答案 0 :(得分:0)

问题在于消息已经在流中,并且起始偏移量未设置为“最早”。

Dataset<Row> dataset = spark
        .readStream()
        .format("kafka")
        .option("kafka.bootstrap.servers", "localhost:9092")
        .option("subscribe", start.getTopicName())
        .option("startingOffsets", "earliest")
        .load();