KafkaUtils.createDirectStream消费不到数据

def main(args: Array[String]): Unit = {

    val conf: SparkConf = new SparkConf().setAppName("BatchLoadThroughKafka")
    //val conf: SparkConf = new SparkConf().setAppName("BatchLoadThroughKafka")
    val carbon: SparkSession = SparkCarbonSessionSingleton.getInstance(conf, storePath)
    // val carbon: SparkSession = SparkSession.builder.master("local[*]").getOrCreate()

    val streaming = new StreamingContext(carbon.sparkContext, Seconds(10))

    //定义消费主题topic
    val topics = Set("carbon_file_topic")

    /**
      * PreferConsistent：将分区分布在所有的Excutor上，也就是每Executor都会消费Kafka数据
      * PreferBrokers：只有当执行程序与Kafka代理程序位于相同的节点时，才可以使用。
      * Subscribe：传入具体的kafka参数
      */
    val kafkaStream: InputDStream[ConsumerRecord[String, String]] = KafkaUtils.createDirectStream[String, String](
      streaming,
      PreferConsistent,
      Subscribe[String, String](topics, getkafkaParams()))
    kafkaStream.map(record => (record.key, record.value)).map(rdd => {
      val path: String = rdd._2
      if (StringUtils.isNotBlank(path)) {
        try {
          val tbl: String = getFile2Tbl(path)
          println("tbl=============>" + tbl)
          val bool: Boolean = getFileSystem.exists(new Path(getTablePath(tbl, null)))
          println("bool=============>" + bool)
          if (bool) {
            load(carbon, path, tbl)
          } else {
            createAndLoad(carbon, path, tbl)
          }
        } catch {
          case e: FileNameErrorExcepation =>

            //将load失败的文件路径放入mysql，并记录异常信息,后续利用定时任务重新load一次
            //RecordFailLoadFile.record(path, e, carbon)
            e.printStackTrace()
          case e: Exception =>

            //将load失败的文件路径放入mysql，并记录异常信息，后续利用定时任务重新load一次
            //RecordFailLoadFile.record(path, e, carbon)
            e.printStackTrace()
        }
      }
    }).print(1)
    streaming.start()
    streaming.awaitTermination()
  }

  def getkafkaParams(): Map[String, Object] = Map[String, Object](
    "bootstrap.servers" -> BOOTSTRAP_SERVERS, //指定Kafka的集群地址
    "key.deserializer" -> classOf[StringDeserializer], //指定key的反序列化器
    "value.deserializer" -> classOf[StringDeserializer], //指定值的反序列化器
    "group.id" -> "use_a_separate_group_id_for_each_stream", //consumer的分组id
    "auto.offset.reset" -> "latest", //从新定义消费者以后，不从头消费分区里的数据，只消费定义消费者以后的数据
    "enable.auto.commit" -> (true: java.lang.Boolean) //是否自动提交offsets，也就是更新kafka里的offset，表示已经被消费过了
  )

*解决方案：
一定按照官网给出的例子写，例如上边的关键的API为，只有用一下API才能消费到数据。

 kafkaStream.map(record => (record.key, record.value))