我有一个kafka消费者,它从一个主题中读取消息,并使用spark将其写入一个配置单元表。当我在Yarn上运行代码时,它会多次读取相同的消息。我有大约100000条关于这个主题的信息。但是,我的消费者一直在多次阅读相同的内容。当我做一个不同的计算时,我得到了实际的计数。
这是我写的代码。我想知道我是否错过了任何设置。
val spark = SparkSession.builder()
.appName("Kafka Consumer")
.enableHiveSupport()
.getOrCreate()
import spark.implicits._
val kafkaConsumerProperty = new Properties()
kafkaConsumerProperty.put(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, "---")
kafkaConsumerProperty.put(ConsumerConfig.KEY_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer")
kafkaConsumerProperty.put(ConsumerConfig.VALUE_DESERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringDeserializer")
kafkaConsumerProperty.put(ConsumerConfig.GROUP_ID_CONFIG, "draw_attributes")
kafkaConsumerProperty.put(ConsumerConfig.AUTO_OFFSET_RESET_CONFIG, "earliest")
kafkaConsumerProperty.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "true")
val topic = "space_orchestrator"
val kafkaConsumer = new KafkaConsumer[String,String](kafkaConsumerProperty)
kafkaConsumer.subscribe(Collections.singletonList(topic))
while(true){
val recordSeq = kafkaConsumer.poll(10000).toSeq.map( x => x.value())
if(!recordSeq.isEmpty)
{
val newDf = spark.read.json(recordSeq.toDS)
newDf.write.mode(SaveMode.Overwrite).saveAsTable("dmart_dev.draw_attributes")
}
}
1条答案
按热度按时间ddrv8njm1#
或者,尝试手动设置偏移。为此,应禁用自动提交(
enable.auto.commit = false
). 对于手动提交,kafkaconsumers提供了两种方法,即commitSync()
以及commitAsync()
. 顾名思义,commitsync()是一个阻塞调用,它在成功提交偏移量之后返回,而commitsync()则立即返回。