kafka--Struct Streaming--hdfs案例

69 篇文章 8 订阅

需求

从kafka读取数据,用Struct Streaming处理,然后保存到hdfs.

案例

启动kafka生产者

kafka-console-producer.sh \
--broker-list mypc01:9092,mypc02:9092,mypc03:9092 \
--topic pet

scala代码

import org.apache.spark.sql.{DataFrame, SparkSession}

object hdfsSink extends App {
//构建spark Session
  private val session: SparkSession = SparkSession.builder().master("local[2]").appName("test")
    .getOrCreate()
//读取kafka上的数据
  private val df: DataFrame = session.readStream.format("kafka")
    .option("kafka.bootstrap.servers", "mypc01:9092,mypc02:9092,mypc03:9092")
    .option("subscribe", "pet")
    .load()

  //处理数据,转成非二进制,因为下面要用csv存储
  private val df1: DataFrame = df.selectExpr("cast(value as String)","cast(key as String)","cast(partition as Int)")

  df1.writeStream
    .format("csv")
    .option("path", "hdfs://mypc01/sparkstreaming")
    .option("checkpointLocation", "out2")
    .start()
    .awaitTermination()
}

注意事项

  • 如果保存为text格式,则会报错,因为从kafka读取的数据默认有很多字段,比如key,value,Partition,等等.
Text data source supports only a single column, and you have 7 columns.
  • 保存为csv格式时,注意要处理成非二进制的,否则会报错
 CSV data source does not support binary data type.
  • 保存为parquet个数比较省空间
  • 一个micro batch会生成一个文件,(micro batch的大小暂时没找到在哪定义的)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值