我正在运行一个结构化的Kafka源流作业。
Spark：2.4.7
python:3.6.8版

spark = SparkSession.builder.getOrCreate()

ds = (spark.readStream
           .format("kafka")
           .option("kafka.bootstrap.servers", kafka_servers)
           .option("subscribe", topic_name)
           .load())

# data preprocessing

ds = ...

model = GBTClassificationModel.load(model_path)

ds = model.transform(ds)  

query = (ds.writeStream
           .outputMode("update")
           .format("kafka")
           .option("kafka.bootstrap.servers", kafka_servers)
           .option("checkpointLocation", checkpoint_dir)
           .option("topic", output_topic)
           .trigger(processingTime="0 seconds")
           .start())

query.awaitTermination()

spark web ui显示以下指示器： AddBatch : 1955.0 GetBatch : 1.0 GetOffset : 0.0 QueryPlanning : 3555.0 TriggerExecution : 2.0 WalCommit : 5569.0 undefined : 20.0
以下是星火官方网站各项指标的说明：
操作持续时间。执行各种操作所用的时间（毫秒）。跟踪操作如下所示。 addBatch ：从源读取微批的输入数据、处理数据以及将批的输出写入接收器所用的时间。这将占用微批次的大部分时间。 getBatch ：准备逻辑查询以从源读取当前微批的输入所用的时间。 latestOffset & getOffset ：查询此源的最大可用偏移量所用的时间。 queryPlanning ：生成执行计划所用的时间。 walCommit ：将偏移量写入元数据日志所用的时间。
你为什么 WalCommit 以及 QueryPlanning 远大于 AddBatch ?
谢谢！