[英]Kafka with spark streaming issue: Cannot read data from topic with existing data
我正在尝试从带有火花流的 Kafka 经纪人那里阅读,但我遇到了一些问题。
def spark_streaming_from_STABLE_kafka_topic():
conf = SparkConf().setMaster("spark://antonis-dell:7077").setAppName("Kafka_Spark")
sc = SparkContext(conf=conf)
sc.setLogLevel("WARN")
ssc = StreamingContext(sc, 2)
topic = "stable_topic"
kvs = KafkaUtils.createDirectStream(ssc,
[topic],
{"metadata.broker.list": "my-broker",
"auto.offset.reset": "smallest"},
keyDecoder=lambda x: x,
valueDecoder=lambda x: x
)
lines = kvs.window(2, 2).map(lambda x: x[1])
lines.pprint()
return ssc
if __name__ == "__main__":
ssc = StreamingContext.getOrCreate('/home/antonis/Desktop/tmp/checkpoint_v06', lambda: spark_streaming_from_STABLE_kafka_topic())
ssc.start()
ssc.awaitTermination()
上面的代码除了空批次外不获取任何东西:
-------------------------------------------
Time: 2020-05-29 09:32:38
-------------------------------------------
-------------------------------------------
Time: 2020-05-29 09:32:40
-------------------------------------------
主题stable_topic
包含固定大小的数据。 它不会改变。 我有另一个每秒接收数据的主题。 如果我使用此主题而不是stable_topic
并删除"auto.offset.reset": "smallest"
,则代码会获取数据。
我认为{"auto.offset.reset": "smallest"}
有问题,但我无法弄清楚。
有谁现在我做错了什么?
在后来的版本中, smallest
的被替换为earliest
的。 确保检查您正在使用的版本的文档。
此外,如果 Consumer Group 已经在消费主题stable_topic
中的一些数据,则auto.offset.reset
配置将不会生效。 因此,您可以考虑更改流式传输作业中的group.id
。
如果您要分配新的group.id
,请确保将auto.offset.reset
设置为smalles
(或较新版本中的earliest
)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.