apache spark自定义日志未过滤数据(lazylogging)

rwqw0loc 于 2021-07-13 发布在 Spark

关注(0)|答案(1)|浏览(384)

我正在过滤一个列以符合一些验证，我可以使用spark内置函数进行过滤，但是我需要用适当的消息记录无效的数据（我正在使用lazylogging），有没有什么方法不用自定义udf就可以做到这一点，这样我就可以保持spark优化？
例如，筛选短于20个字符的名称：

df.filter(length($"name") <= lit(20))

在这种情况下，如果没有自定义自定义自定义项，如何记录超过20个字符的名称？

apache-spark spark-structured-streaming

来源：https://stackoverflow.com/questions/66351872/apache-spark-custom-log-unfiltered-data-lazylogging

1条答案

按热度按时间

nafvub8i1#

如果筛选操作的结果不太大，不适合您的驱动程序，您可以收集结果并将其打印到默认记录器。

val logCollection = df.filter(length($"name") > lit(20)).collectAsList
logCollection.foreach(logger.info(_))

作为替代方法，您可以通过应用另一种writestream格式来创建一个单独的流，以便将名称写入数据库、控制台等。请记住，这样做时，您实际上会在sparksession中创建多个流查询，这些查询将独立地使用数据：

val originalDf = df.[...]
val logDf = df.filter(length($"name") > lit(20))

val originalQuery = originalDf.writeStream.[...].start() // keep logic as is
val logQuery = logDf.writeStream.format("console").[...].start()

spark.streams.awaitAnyTermination()

赞(0）回复(0）举报 2021-07-13

我来回答

apache spark自定义日志未过滤数据(lazylogging)

1条答案

相关问题

热门标签

最新问答