Question

我正在考虑将kafka偏移量存储在kafka中以用于Spark结构化流传输，就像它适用于DStreams stream.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)一样，除了结构化流传输之外，我一直在寻找。是否支持结构化流？如果是，我该如何实现？

我知道使用.option("checkpointLocation", checkpointLocation)进行hdfs检查点，但是我对内置偏移量管理非常感兴趣。

我希望kafka仅在没有Spark HDFS检查点的情况下存储偏移量。

Answer 1

我正在使用在某处找到的这段代码。

public class OffsetManager {

    private String storagePrefix;

    public OffsetManager(String storagePrefix) {
        this.storagePrefix = storagePrefix;
    }

    /**
     * Overwrite the offset for the topic in an external storage.
     *
     * @param topic     - Topic name.
     * @param partition - Partition of the topic.
     * @param offset    - offset to be stored.
     */
    void saveOffsetInExternalStore(String topic, int partition, long offset) {

        try {

            FileWriter writer = new FileWriter(storageName(topic, partition), false);

            BufferedWriter bufferedWriter = new BufferedWriter(writer);
            bufferedWriter.write(offset + "");
            bufferedWriter.flush();
            bufferedWriter.close();

        } catch (Exception e) {
            e.printStackTrace();
            throw new RuntimeException(e);
        }
    }

    /**
     * @return he last offset + 1 for the provided topic and partition.
     */
    long readOffsetFromExternalStore(String topic, int partition) {

        try {

            Stream<String> stream = Files.lines(Paths.get(storageName(topic, partition)));

            return Long.parseLong(stream.collect(Collectors.toList()).get(0)) + 1;

        } catch (Exception e) {
            e.printStackTrace();
        }

        return 0;
    }

    private String storageName(String topic, int partition) {
        return "Offsets\\" + storagePrefix + "-" + topic + "-" + partition;
    }

}

SaveOffset ...在记录处理成功之后调用，否则不存储任何偏移量。并且我使用Kafka主题作为源，因此我将startoffsets指定为ReadOffsets检索到的偏移量...

Answer 2

<块引用>

“它是否支持结构化流媒体？”

不，Structured Streaming 不支持将偏移量提交回 Kafka，类似于使用 Spark Streaming (DStreams) 可以完成的操作。 Kafka specific configurations 上的 Spark Structured Streaming + Kafka 集成指南对此非常准确：

<块引用>

“Kafka 源不提交任何偏移量。”

我在 How to manually set groupId and commit Kafka offsets in Spark Structured Streaming 中写了一个更全面的答案。

Spark结构化流式Kafka偏移管理

2 个答案: