时间戳

首页 > 解决方案 > 在我停止工作之前，Spark Structured Streaming writestream 不会写入文件

scala - 在我停止工作之前，Spark Structured Streaming writestream 不会写入文件

问题描述

我在一个经典用例上使用 Spark Structured Streaming：我想从 kafka 主题中读取数据并将流以 parquet 格式写入 HDFS。

这是我的代码：

import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.functions._
import org.apache.spark.sql.streaming.Trigger
import org.apache.spark.sql.types.{ArrayType, DataTypes, StructType}

object TestKafkaReader extends  App{
  val spark = SparkSession
    .builder
    .appName("Spark-Kafka-Integration")
    .master("local")
    .getOrCreate()
  spark.sparkContext.setLogLevel("ERROR")
  import spark.implicits._

  val kafkaDf = spark
    .readStream
    .format("kafka")
    .option("kafka.bootstrap.servers","KAFKA_BROKER_IP:PORT")
    //.option("subscribe", "test")
    .option("subscribe", "test")
    .option("startingOffsets", "earliest")
    .load()

  val moviesJsonDf = kafkaDf.selectExpr("CAST(value AS STRING)")

  // movie struct
  val struct = new StructType()
    .add("title", DataTypes.StringType)
    .add("year", DataTypes.IntegerType)
    .add("cast", ArrayType(DataTypes.StringType))
    .add("genres", ArrayType(DataTypes.StringType))

  val moviesNestedDf = moviesJsonDf.select(from_json($"value", struct).as("movie"))
  // json flatten
  val movieFlattenedDf = moviesNestedDf.selectExpr("movie.title", "movie.year", "movie.cast","movie.genres")


  // convert to parquet and save to hdfs
  val query = movieFlattenedDf
    .writeStream
    .outputMode("append")
    .format("parquet")
    .queryName("movies")
    .option("checkpointLocation", "src/main/resources/chkpoint_dir")
    .start("src/main/resources/output")
    .awaitTermination()
  }

语境 ：

我的问题 ：

在工作期间，它不会在文件夹中写入任何内容，我必须手动停止工作才能最终看到文件。

我认为这可能与.awaitTermination() 信息有关，我试图删除此选项，但如果没有该选项，我会收到错误并且作业根本无法运行。

也许我没有设置正确的选项，但是在阅读了很多次文档并在 Google 上搜索后，我什么也没找到。

你能帮我吗？

谢谢

编辑 ：

标签： scalaapache-sparkapache-kafkaparquetspark-structured-streaming

解决方案

是的问题解决

我的问题是，我的数据太少，spark 正在等待更多数据来写入镶木地板文件。

为了完成这项工作，我使用了@AlexandrosBiratsis 的评论（更改块大小）

再次感谢@AlexandrosBiratsis 非常感谢你

推荐阅读