我有一个spark工作,它从数据库读取数据并应用spark sql聚合。代码如下(仅省略conf选项):
SparkConf sparkConf = new SparkConf().setAppName(appName).setMaster("local");
JavaSparkContext sc = new JavaSparkContext(sparkConf);
sqlContext = new SQLContext(sc);
Dataset df = MongoSpark.read(sqlContext).options(readOptions).load();
df.registerTempTable("data");
df.cache();
aggregators = sqlContext.sql(myQuery);
现在我想创建另一个作业,它通过spark流读取来自kafka的消息,然后通过spark sql应用相同的聚合。我的代码如下:
Map<String, Object> kafkaParams = new HashMap<>();
kafkaParams.put("bootstrap.servers", "192.168.99.100:9092");
kafkaParams.put("key.deserializer", StringDeserializer.class);
kafkaParams.put("value.deserializer", KafkaStatisticsPayloadDeserializer.class);
kafkaParams.put("group.id", "Group1");
kafkaParams.put("auto.offset.reset", "earliest");
kafkaParams.put("enable.auto.commit", false);
Collection<String> topics = Arrays.asList(topic);
SparkConf conf = new SparkConf().setAppName(topic).setMaster("local");
/*
* Spark streaming context
*/
JavaStreamingContext streamingContext = new JavaStreamingContext(conf, Durations.seconds(2));
/*
* Create an input DStream for Receiving data from socket
*/
JavaInputDStream<ConsumerRecord<String, StatisticsRecord>> stream =
KafkaUtils.createDirectStream(
streamingContext,
LocationStrategies.PreferConsistent(),
ConsumerStrategies.<String, StatisticsRecord>Subscribe(topics, kafkaParams)
);
到目前为止,我已经阅读和反序列化的消息成功。因此,我的问题是如何在它们上实际应用sparksql聚合。我试过以下方法,但不起作用。我想我需要首先隔离包含实际消息的“value”字段。
SQLContext sqlContext = new SQLContext(streamingContext.sparkContext());
stream.foreachRDD(rdd -> {
Dataset<Row> df = sqlContext.createDataFrame(rdd.rdd(), StatisticsRecord.class);
df.createOrReplaceTempView("data");
df.cache();
Dataset aggregators = sqlContext.sql(SQLContextAggregations.ORDER_TYPE_DB);
aggregators.show();
});
2条答案
按热度按时间62o28rlo1#
应该在应用于流的函数中调用上下文。
t5zmwmid2#
我用以下代码解决了这个问题。注意,我现在以json格式而不是实际对象存储消息。