在spark streaming(spark 2.0)中消费Kafka

h7appiyu  于 2021-06-08  发布在  Kafka
关注(0)|答案(1)|浏览(334)

我发现在spark streaming(spark 2.0)中使用Kafka主题有两种方法:
1) 使用 KafkaUtils.createDirectStream 要每k秒获取一次数据流,请参阅此文档
2) 使用 kafka: sqlContext.read.format(“json”).stream(“kafka://KAFKA_HOST”) 为spark 2.0的新特性:结构化流媒体创建一个无限Dataframe,相关文档在这里
方法1)有效,但2)无效,我得到了以下错误

Exception in thread "main" java.lang.NoSuchMethodError: org.apache.spark.sql.DataFrameReader.stream(Ljava/lang/String;)Lorg/apache/spark/sql/Dataset;
...
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:497)
at org.apache.spark.deploy.SparkSubmit$.org$apache$spark$deploy$SparkSubmit$$runMain(SparkSubmit.scala:729)
at org.apache.spark.deploy.SparkSubmit$.doRunMain$1(SparkSubmit.scala:185)
at org.apache.spark.deploy.SparkSubmit$.submit(SparkSubmit.scala:210)
at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:124)
at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)

我的问题是:
这是什么 “kafka://KAFKA_HOST” 指的是什么?
我该如何解决这个问题?
提前谢谢!

4smxwvx5

4smxwvx51#

spark 2.0还不支持kafka作为无限Dataframe/集的来源。计划在2.1中添加支持

编辑:(2016年12月6日)

Kafka0.10现在已在spark 2.0.2中过期:

val ds1 = spark
  .readStream
  .format("kafka")
  .option("kafka.bootstrap.servers", "host1:port1,host2:port2")
  .option("subscribe", "topic1")
  .load()

ds1
  .selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)")
  .as[(String, String)]

相关问题