就这么简单,是否可以将 DStream 流化为 Kafka 主题?
我有执行所有数据处理的 Spark 流作业,现在我想将数据推送到 Kafka 主题。可以在 pyspark 中这样做吗?
最好在写入 kafka 之前转换为 json,否则指定要写入 kafka 的键和值列。
query = jdf.selectExpr("to_json(struct(*)) AS value")\ .writeStream\ .format("kafka")\ .option("zookeeper.connect", "localhost:2181")\ .option("kafka.bootstrap.servers", "localhost:9092")\ .option("topic", "test-spark")\ .option("checkpointLocation", "/root/")\ .outputMode("append")\ .start()
如果您的邮件为 AVRO 格式,我们可以 Serazlie 邮件并直接用 kafka 编写。
from pyspark import SparkConf, SparkContext from kafka import KafkaProducer from kafka.errors import KafkaError from pyspark.sql import SQLContext, SparkSession from pyspark.streaming import StreamingContext from pyspark.streaming.kafka import KafkaUtils import json from kafka import SimpleProducer, KafkaClient from kafka import KafkaProducer from pyspark.streaming.kafka import KafkaUtils, OffsetRange, TopicAndPartition import avro.schema from confluent_kafka.avro.cached_schema_registry_client import CachedSchemaRegistryClient from confluent_kafka.avro.serializer.message_serializer import MessageSerializer import pandas as pd ssc = StreamingContext(sc, 2) ssc = StreamingContext(sc, 2) topic = "test" brokers = "localhost:9092" kvs = KafkaUtils.createDirectStream(ssc, [topic], {"metadata.broker.list": brokers}) kvs.foreachRDD(handler) def handler(message): records = message.collect() for record in records: <Data processing whatever you want and creating the var_val_value,var_val_key pair > var_kafka_parms_tgt = {'bootstrap.servers': var_bootstrap_servr,'schema.registry.url': var_schema_url} avroProducer = AvroProducer(var_kafka_parms_tgt,default_key_schema=key_schema, default_value_schema=value_schema) avroProducer.produce(topic=var_topic_tgt_name, value=var_val_value, key=var_val_key) avroProducer.flush()
2 回答
最好在写入 kafka 之前转换为 json,否则指定要写入 kafka 的键和值列。
如果您的邮件为 AVRO 格式,我们可以 Serazlie 邮件并直接用 kafka 编写。