从资源（内存和内核）的Angular 来看，如果在集群上以多个流（多个驱动器和执行器）的形式运行它，则会有所不同。
对于第一个案例，你提到- df = spark.readStream.format("kafka").option("subscribe", "t1,t2,t3")... t1df = df.select(...).where("topic = 't1'")... t2df = df.select(...).where("topic = 't2'")... 考虑到将有一个驱动程序和2个执行器，你已经提供给上述。
在第二种情况下- t1df = spark.readStream.format("kafka").option("subscribe", "t1") t2df = spark.readStream.format("kafka").option("subscribe", "t2") 您可以将它们作为不同的流运行—2个驱动程序和2个执行器（每个执行器1个）。在第二种情况下，需要更多的内存和内核，以满足额外的驱动程序需求。

每个操作都需要完整的沿袭执行。你最好把它分成三个独立的Kafka读物。否则，每个主题将阅读n次，其中n是写入次数。
我真的不建议这样做，但如果你想把所有的主题放在同一个阅读，那么就这样做：

streamingDF.writeStream.foreachBatch { (batchDF: DataFrame, batchId: Long) =>
  batchDF.persist()
  batchDF.filter().write.format(...).save(...)  // location 1
  batchDF.filter().write.format(...).save(...)  // location 2
  batchDF.unpersist()
}