从 kafka 主题读取数据到 spark dataframe

Question

private static final org.apache.log4j.Logger LOGGER = org.apache.log4j.Logger.getLogger(sparkSqlMysql.class);

private static final SparkSession sparkSession = SparkSession.builder().master("local[*]").appName("Spark2JdbcDs")
        .getOrCreate();

public static void main(String[] args) {
    // JDBC connection properties


    // Load MySQL query result as Dataset

    Dataset<Row> df = sparkSession.readStream().format("kafka").option("kafka.bootstrap.servers", "localhost:9092")
            .option("subscribe", "SqlMessages").load();

我想做一些事情，我可以从我的 kafka 主题中读取我的 spark SQL 的数据，但不能这样做。

有人可以指导我可以将我的数据从 kafka 主题转换为 spark SQL 吗？

我可以做到这一点的东西

 Dataset<Row> schoolData = sparkSession.sql("select * from Schools");

Answer 1

今天也在做类似的事情。 从头开始消耗整个主题，转换为 DataFrame 并保存为 Parquet 表。 您可以从 Scala 改编我的代码，思路应该很清楚。

val topic = "topic_bla_bla"
val brokers = "some_kafka_broker:9092"
val kafkaDF = spark.read.format("kafka").option("kafkaConsumer.pollTimeoutMs", "20000").option("startingOffsets", "earliest").option("kafka.bootstrap.servers", brokers).option("subscribe", topic).load()
val jsonDF = kafkaDF.selectExpr("CAST(value AS STRING)")
val finalDF = spark.read.option("mode", "PERMISSIVE").json(jsonDF.as[String])
finalDF.registerTempTable("wow_table")
//OR
finalDF.write.format("parquet").saveAsTable("default.wow_table")
spark.sql("select * from wow_table")