Question

我正在通过spark结构化流从kafka主题中读取日志行，分离日志行的字段，对字段执行一些操作，并将其存储在数据帧中，并为每个字段存储单独的列。我想将此数据帧写入kafka

下面是我的示例数据帧和将其写入kafka的writestream

 val dfStructuredWrite = dfProcessedLogs.select(
    dfProcessedLogs("result").getItem("_1").as("col1"),
    dfProcessedLogs("result").getItem("_2").as("col2"),
    dfProcessedLogs("result").getItem("_17").as("col3"))

dfStructuredWrite
.writeStream
.format("kafka")
.option("kafka.bootstrap.servers", "host1:port1,host2:port2")
.option("topic", "topic1")
.start()

上面的代码给我下面的错误

Required attribute 'value' not found

我相信这是因为我没有键/值格式的数据框。如何以最有效的方式将现有数据框写入kafka？

Answer 1

要写入Kafka的数据框在模式中应包含以下列：

键（可选）（类型：字符串或二进制）
值（必需）（类型：字符串或二进制）
主题（可选）（类型：字符串）

在您的情况下，没有value列，并且引发了异常。

您必须对其进行修改以至少添加value列，例如：

import org.apache.spark.sql.functions.{concat, lit}

dfStructuredWrite.select(concat($"col1", lit(" "), $"col2", lit(" "), $"col3").alias("value"))

有关更多详细信息，您可以检查：https://spark.apache.org/docs/latest/structured-streaming-kafka-integration.html#writing-data-to-kafka

将流数据帧写入Kafka

1 个答案: