我正在尝试移植一个apache flink应用程序（scala）来激发结构化流媒体。应用程序的基本工作是：
读Kafka的留言
进行一些转换/处理
向Kafka输出零条或多条消息
在处理过程中，我想输出日志消息（一般处理信息、解析错误等）。然而-来自Flink-处理将在一个或多个时间内完成 .map 对我的 Dataset[Node] / Dataset[MyCaseClass] 物体。不幸的是，在这些操作符中，所有内容都必须是可序列化的，这对于我的记录器（使用 scala-logging ).
因此，在尝试使用记录器时，我得到： org.apache.spark.SparkException: Task not serializable .
例子：

spark.readStream.format("kafka")
      .option("kafka.bootstrap.servers", host + ":" + port)
      .option("subscribe", topic)
      .load()
      .selectExpr("CAST(value AS STRING)")
      .as[String]
      .map(n =>
      {
        // processing here

        log.warn("bla")      // <-- no-go

        <root></root>.asInstanceOf[Node]
      })
      .map(_.toString())
      .writeStream
      .format("kafka")
      .option("kafka.bootstrap.servers", host.get + ":" + port.get)
      .option("topic", topic.get)
      .option("checkpointLocation", "myDir")
      .start()
      .awaitTermination()

对于不可序列化的日志记录之类的工作，建议采用什么方法？在flink中，可以选择子类 RichMapFunction 以及类似的类，在这些类中可以放置所有不可序列化的内容，这些内容将按操作符/并行性示例化。