如何在Kafka Direct Stream中使用Spark Structured Streaming？

Question

我遇到了使用Spark的Structured Streaming ，它有一个连续消耗S3存储桶并将处理结果写入MySQL数据库的示例。

// Read data continuously from an S3 location
val inputDF = spark.readStream.json("s3://logs")

// Do operations using the standard DataFrame API and write to MySQL
inputDF.groupBy($"action", window($"time", "1 hour")).count()
       .writeStream.format("jdbc")
       .start("jdbc:mysql//...")

如何在Spark Kafka Streaming中使用它 ？

val stream = KafkaUtils.createDirectStream[String, String](
  ssc,
  PreferConsistent,
  Subscribe[String, String](topics, kafkaParams)
)

有没有办法在不使用stream.foreachRDD(rdd => {})情况下组合这两个示例？

Answer 1

有没有办法在不使用stream.foreachRDD(rdd => {})情况下组合这两个示例？

还没。 Spark 2.0.0没有Kafka sink支持结构化流。 根据Tathagata Das ，Spark Streaming的创建者之一，这个功能应该在Spark 2.1.0中出现 。 以下是相关的JIRA问题 。

编辑：（29/11/2018）

是的，可以使用Spark 2.2版开始。

stream
  .writeStream // use `write` for batch, like DataFrame
  .format("kafka")
  .option("kafka.bootstrap.servers", "brokerhost1:port1,brokerhost2:port2")
  .option("topic", "target-topic1")
  .start()

查看此SO帖子（使用Spark流媒体读取和写入Kafka主题）了解更多信息。

编辑：（2016年12月6日）

结构化流的Kafka 0.10集成现在在Spark 2.0.2中支持expiramentaly ：

val ds1 = spark
  .readStream
  .format("kafka")
  .option("kafka.bootstrap.servers", "host1:port1,host2:port2")
  .option("subscribe", "topic1")
  .load()

ds1
  .selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)")
  .as[(String, String)]

Answer 2

我从Kafka的源代码中读到了一个类似的问题并写入了Cassandra接收器。 在这里创建了一个简单的项目kafka2spark2cassandra ，分享以防万一它对任何人都有帮助。