我的火花流应用程序从Kafka获取数据并对它们进行处理 .
如果应用程序失败,大量数据存储在Kafka中,并且在下一次启动Spark Streaming应用程序时,它会崩溃,因为一次消耗的数据太多 . 由于我的应用程序不关心过去的数据,因此仅使用当前(最新)数据是完全正常的 .
我找到了 "auto.reset.offest" 选项,它在Spark中的表现略有不同 . 它会删除存储在zookeeper中的偏移量(如果已配置) . 尽管如此,它的意外行为,应该是在删除后从最新的数据中获取数据 .
但我发现它不是 . 在使用数据之前,我看到所有的偏移都被清理干净了 . 然后,由于默认行为,它应该按预期获取数据 . 但由于数据太多,它仍然会崩溃 .
当我使用“Kafka-Console-Consumer”清理偏移并消耗最新数据并运行我的应用程序时,它按预期工作 .
So it looks "auto.reset.offset" does not work and kafka consumer in spark streaming fetches data from the "smallest" offset as default.
您是否知道如何从最新的火花流中消耗Kafka数据?
我使用的是spark-1.0.0和Kafka-2.10-0.8.1 .
提前致谢 .
1 回答
我想你拼错了房产名称 . 正确的密钥是 auto.offset.reset 而不是 auto.reset.offest
更多信息:http://kafka.apache.org/documentation.html#configuration
希望这可以帮助 .