通过Spark Streaming在DStream.transform（）中使用SQL？

Question

在foreachRDD()有一些在Spark Streaming上使用SQL的示例。 但是，如果我想在tranform()使用SQL：

case class AlertMsg(host:String, count:Int, sum:Double)
val lines = ssc.socketTextStream("localhost", 8888)
lines.transform( rdd => {
  if (rdd.count > 0) {
    val t = sqc.jsonRDD(rdd)
    t.registerTempTable("logstash")
    val sqlreport = sqc.sql("SELECT host, COUNT(host) AS host_c, AVG(lineno) AS line_a FROM logstash WHERE path = '/var/log/system.log' AND lineno > 70 GROUP BY host ORDER BY host_c DESC LIMIT 100")
    sqlreport.map(r => AlertMsg(r(0).toString,r(1).toString.toInt,r(2).toString.toDouble))
  } else {
    rdd
  }
}).print()

我收到了这样的错误：

[错误] /Users/raochenlin/Downloads/spark-1.2.0-bin-hadoop2.4/logstash/src/main/scala/LogStash.scala:52：方法转换没有类型参数：（transformFunc：org.apache。 spark.rdd.RDD [String] => org.apache.spark.rdd.RDD [U]）（隐式证据$ 5：scala.reflect.ClassTag [U]）org.apache.spark.streaming.dstream.DStream [U ]的存在，以便可以将其应用于参数（org.apache.spark.rdd.RDD [String] => org.apache.spark.rdd.RDD [_>：LogStash.AlertMsg，字符串<：java.io.Serializable ]）[错误] ---因为-[错误]参数表达式的类型与形式参数类型不兼容； 发现[错误]：org.apache.spark.rdd.RDD [String] => org.apache.spark.rdd.RDD [_>：LogStash.AlertMsg，字符串<：java.io.Serializable] [错误]必需： org.apache.spark.rdd.RDD [String] => org.apache.spark.rdd.RDD [？U] [错误] lines.transform（rdd => {[错误] ^ [错误]发现一个错误[错误]（compile：compile）编译失败

似乎只有我使用sqlreport.map(r => r.toString)才能正确使用？

Answer 1

dstream.transform一个函数transformFunc: (RDD[T]) ⇒ RDD[U] dstream.transform transformFunc: (RDD[T]) ⇒ RDD[U]在这种情况下， if必须在两个条件评估中得出相同的类型，而事实并非如此：

if (count == 0) => RDD[String]
if (count > 0) => RDD[AlertMsg]

在这种情况下，请删除if rdd.count ...的优化， if rdd.count ...您拥有唯一的转换路径。