我想使用pyspark结构化流api将结构化流数据写入cassandra。
我的数据流如下:
restapi->kafka->spark结构化流媒体(pyspark)->cassandra
以下来源和版本:spark版本:2.4.3 datastax dse:6.7.6-1
初始化Spark:
spark = SparkSession.builder\
.master("local[*]")\
.appName("Analytics")\
.config("kafka.bootstrap.servers", "localhost:9092")\
.config("spark.cassandra.connection.host","localhost:9042")\
.getOrCreate()
订阅Kafka主题:
df = spark.readStream.format("kafka")\
.option("kafka.bootstrap.servers", "localhost:9092")\
.option("subscribe", "topic") \
.load()
写进Cassandra:
w_df_3 = df...
write_db = w_df_3.writeStream \
.option("checkpointLocation", '/tmp/check_point/') \
.format("org.apache.spark.sql.cassandra") \
.option("keyspace", "analytics") \
.option("table", "table") \
.outputMode(outputMode="update")\
.start()
使用以下命令执行:
$spark-submit --packages org.apache.spark:spark-sql-kafka-0-10_2.11:2.4.0,datastax:spark-cassandra-connector:2.4.0-s_2.11 Analytics.py localhost:9092 topic
我在写cassandra时遇到以下问题/例外:
py4j.protocol.Py4JJavaError: An error occurred while calling o81.start.
: java.lang.UnsupportedOperationException: Data source org.apache.spark.sql.cassandra does not support streamed writing
at org.apache.spark.sql.execution.datasources.DataSource.createSink(DataSource.scala:297)
at org.apache.spark.sql.streaming.DataStreamWriter.start(DataStreamWriter.scala:322)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
at py4j.Gateway.invoke(Gateway.java:282)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:238)
at java.lang.Thread.run(Thread.java:748)
有谁能帮我解决这个问题并继续下去吗?任何帮助都将不胜感激。
提前谢谢。
2条答案
按热度按时间wfauudbj1#
非常感谢您的回复。
我已经实现了使用它
ForeachBatch Sink
而不是直接下沉。它在工作。谢谢大家。
kkbh8khc2#
正如我在评论中提到的,如果您使用的是dse,那么可以将ossapachespark与所谓的byos(自带spark)一起使用,这个特殊jar包含datastax版本的spark cassandra connector(scc),它直接支持结构化流。
由于SCC2.5.0对结构化流媒体的支持在开源版本中也可用,因此您可以简单地使用
writeStream
Cassandra的格式。2.5.0还包含了许多以前在开放源码中没有的好东西,比如额外的优化等等。有一篇博客文章非常详细地描述了它们。