结构化流 - 消费每条消息

Question

什么是 "recommended" 处理每条消息的方法，因为它来自结构化流管道（我在 spark 2.1.1 上，源是 Kafka 0.10.2.1）？

到目前为止，我正在查看 dataframe.mapPartitions（因为我需要连接到 HBase，其客户端连接 类 不可序列化，因此 mapPartitions）。

想法？

Answer 1

您应该可以使用 foreach 输出接收器：https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#output-sinks and https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#using-foreach

即使客户端不可序列化，您也不必在 ForeachWriter 构造函数中打开它。直接留下None/null，在open方法中初始化，在序列化后调用，但每个任务只调用一次

在某种伪代码中：

class HBaseForeachWriter extends ForeachWriter[MyType] {
  var client: Option[HBaseClient] = None
  def open(partitionId: Long, version: Long): Boolean = {
    client = Some(... open a client ...)
  }
  def process(record: MyType) = {
    client match {
      case None => throw Exception("shouldn't happen")
      case Some(cl) => {
        ... use cl to write record ...
      }
    }
  }
  def close(errorOrNull: Throwable): Unit = {
    client.foreach(cl => cl.close())
  }
}