Spark Streaming Kafka偏移量管理

Question

我一直在从事火花流工作，这些工作通过kafka进行消费并产生数据。 我使用directDstream，所以我必须自己管理偏移量，我们使用redis来读写偏移量。现在有一个问题，当我启动客户端时，我的客户端需要从redis获取偏移量，而不是kafka中存在的偏移量本身如何显示我编写我的代码？现在我已在下面编写我的代码：

   kafka_stream = KafkaUtils.createDirectStream(
    ssc,
    topics=[config.CONSUME_TOPIC, ],
    kafkaParams={"bootstrap.servers": config.CONSUME_BROKERS,
                 "auto.offset.reset": "largest"},
    fromOffsets=read_offset_range(config.OFFSET_KEY))

但我认为fromOffsets是启动流式传输客户端时（而不是在运行时）的值（来自redis）。感谢您的帮助。

Answer 1

如果我对您的理解正确，则需要手动设置偏移量。 这是我的方法：

from pyspark.streaming import StreamingContext
from pyspark.streaming.kafka import KafkaUtils
from pyspark.streaming.kafka import TopicAndPartition

stream = StreamingContext(sc, 120) # 120 second window

kafkaParams = {"metadata.broker.list":"1:667,2:6667,3:6667"}
kafkaParams["auto.offset.reset"] = "smallest"
kafkaParams["enable.auto.commit"] = "false"

topic = "xyz"
topicPartion = TopicAndPartition(topic, 0)
fromOffset = {topicPartion: long(PUT NUMERIC OFFSET HERE)}

kafka_stream = KafkaUtils.createDirectStream(stream, [topic], kafkaParams, fromOffsets = fromOffset)