如果不检查所有内容，您看起来对from_avro等from_json等的基础知识还可以。

1. https://sparkbyexamples.com/spark/spark-streaming-consume-and-produce-kafka-messages-in-avro-format/可以指导你的第一部分。这也很好https://www.waitingforcode.com/apache-spark-structured-streaming/two-topics-two-schemas-one-subscription-apache-spark-structured-streaming/read#filter_topic。
   1.我会做table。
   1.多个，多个模式--〉从.avsc* 读取多个这样的版本 * 或自己编码。
   1.在Spark Streaming应用程序中使用多个主题的问题是每个应用程序使用多少个主题？没有硬性规则，除了一些明显的规则，如大消费与小消费，以及顺序是否重要。执行器资源可以放弃。
   1.然后，您需要分别处理所有的主题，就像下面这样imho -Filter on Topic-您可以填写详细信息，因为我有点赶时间-使用foreachBatch范例。
   1.不确定在静止状态下如何写出数据，但问题不在于此。
   与此类似，再处理多个Topics：

...
... // Need to get Topic first
stream.toDS()
      .select($"topic", $"value")
      .writeStream
      .foreachBatch((dataset, _) => {
         dataset.persist() // need this

         dataset.filter($"topic" === topicA)
                .select(from_avro(col("value"), jsonSchemaTA)
                .as("tA"))
                .select("tA.*")
                .write.format(...).save(...)

         dataset.filter($"topic" === topicB)
                .select(from_avro(col("value"), jsonSchemaTB)
                .as("tB"))
                .select("tB.*")
                .write.format(...).save(...)
          ...
          ...
         dataset.unpersist()
         ...
         })

         .start().awaitTermination()

但与此完美结合：Integrating Spark Structured Streaming with the Confluent Schema Registry