如何将 Spark Structured Streaming 与 Kafka Direct Stream 一起使用？

Question

我遇到了 Structured Streaming with Spark，它有一个从 S3 存储桶连续消费并将处理结果写入 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//...")

如何与 Spark Kafka Streaming 一起使用？

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 => {}) 的情况下结合这两个示例？

Answer 1

Is there a way to combine these two examples without using stream.foreachRDD(rdd => {})?

还没有。 Spark 2.0.0 没有对结构化流的 Kafka 接收器支持。这是 Spark Streaming 的创建者之一 Spark 2.1.0 according to Tathagata Das 中应该出现的功能。 Here is the relevant JIRA issue。

编辑：(29/11/2018)

是的，从 Spark 2.2 版开始是可能的。

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 了解更多信息。

编辑：(06/12/2016)

结构化流的 Kafka 0.10 集成现在 expiramentaly supported in Spark 2.0.2:

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

我遇到了类似的问题 w.r.t 从 Kafka 源读取并写入 Cassandra 接收器。在这里创建了一个简单的项目 kafka2spark2cassandra，分享它以防对任何人有帮助。