Spark 2.0.2，Kafka源和scalapb实现结构化流

Question

我正在使用结构化流（Spark 2.0.2）来使用kafka消息。 使用scalapb，protobuf中的消息。 我收到以下错误。 请帮忙..

线程“主”中的异常scala.ScalaReflectionException：在scala.reflect.internal.Symbols $ SymbolContextApiImpl.asTerm（Symbols.scal.reflect.api.Symbols $ SymbolApi $ class.asTerm（Symbols.scala：199）处不是术语。 scala：84）位于org.apache.spark.sql.catalyst.ScalaReflection $ class.constructParams（ScalaReflection.scala：811）位于org.apache.spark.sql.catalyst.ScalaReflection $ .constructParams（ScalaReflection.scala：39） org.apache.spark.sql.catalyst.ScalaReflection $ class.getConstructorParameters（ScalaReflection.scala：800）在org.apache.spark.sql.catalyst.ScalaReflection $ .getConstructorParameters（ScalaReflection.scala：39）在org.apache.spark .sql.catalyst.ScalaReflection $ .org $ apache $ spark $ sql $ catalyst $ ScalaReflection $$ serializerFor（ScalaReflection.scala：582）在org.apache.spark.sql.catalyst.ScalaReflection $ .org $ apache $ spark $ sql org.apache.spark.sql.catalyst.ScalaReflection $$ anonfun $ 9.apply（ScalaReflection.scala：592）上的$ catalyst $ ScalaReflection $$ serializerFor（ScalaReflection.scala：460）在org.ap上 ache.spark.sql.catalyst.ScalaReflection $$ anonfun $ 9.apply（ScalaReflection.scala：583）在scala.collection.TraversableLike $$ anonfun $ flatMap $ 1.apply（TraversableLike.scala：252）在scala.collection.TraversableLike $在scala处的$ anonfun $ flatMap $ 1.apply（TraversableLike.scala：252）在scala.collection.immutable.List.foreach（List.scala：381）在scala.collection.TraversableLike $ class.flatMap（TraversableLike.scala：252）在scala .collection.immutable.List.flatMap（List.scala：344）在org.apache.spark.sql.catalyst.ScalaReflection $ .org $ apache $ spark $ sql $ catalyst $ ScalaReflection $$ serializerFor（ScalaReflection.scala：583）在org.apache上的org.apache.spark.sql.catalyst.encoders.ExpressionEncoder $ .apply（ExpressionEncoder.scala：61）在org.apache.spark.sql.catalyst.ScalaReflection $ .serializerFor（ScalaReflection.scala：425）位于PersonConsumer的PersonConsumer $ .main（PersonConsumer.scala：33）的org.apache.spark.sql.SQLImplicits.newProductEncoder（SQLImplicits.scala：47）的.spark.sql.Encoders $ .product（Encoders.scala：274）。主要（PersonCon sun.reflect.NativeMethodAccessorImpl.invoke0（本机方法）处sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:62）处sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:43）处的本地方法.reflect.Method.invoke（Method.java:498）位于com.intellij.rt.execution.application.AppMain.main（AppMain.java:147）

以下是我的代码...

object PersonConsumer {
  import org.apache.spark.rdd.RDD
  import com.trueaccord.scalapb.spark._
  import org.apache.spark.sql.{SQLContext, SparkSession}
  import com.example.protos.demo._

  def main(args : Array[String]) {

    def parseLine(s: String): Person =
      Person.parseFrom(
        org.apache.commons.codec.binary.Base64.decodeBase64(s))

    val spark = SparkSession.builder.
      master("local")
      .appName("spark session example")
      .getOrCreate()

    import spark.implicits._

    val ds1 = spark.readStream.format("kafka").option("kafka.bootstrap.servers","localhost:9092").option("subscribe","person").load()

    val ds2 = ds1.selectExpr("CAST(value AS STRING)").as[String]

    val ds3 = ds2.map(str => parseLine(str)).createOrReplaceTempView("persons")

    val ds4 = spark.sqlContext.sql("select name from persons")

    val query = ds4.writeStream
      .outputMode("append")
      .format("console")
      .start()
    query.awaitTermination()
  }
}

Answer 1

val ds3的行应为：

val ds3 = ds2.map(str => parseLine(str))

sqlContext.protoToDataFrame(ds3).registerTempTable("persons")

在将RDD保存为临时表之前，需要先将其转换为数据帧。

Answer 2

在“人”类中，性别是一个枚举，这是导致此问题的原因。 删除该字段后，它可以正常工作。 以下是我从DataBricks的Shixiong（Ryan）那里得到的答案。

问题是“可选性别= 3;”。 生成的类“性别”是一个特征，Spark无法知道如何创建特征，因此不受支持。 您可以定义SQL Encoder支持的类，并将此生成的类转换为parseLine的新类。