【发布时间】:2019-10-08 22:57:19
【问题描述】:
需要从 Kafka 流中读取结构化数据流,并将其写入已经存在的 Hive 表中。经分析,其中一种选择似乎是对 Kafka 源执行 readStream,然后对 HDFS 文件路径中的 File sink 执行 writeStream。
我的问题是——是否可以直接写入 Hive 表?或者,对于这个用例,是否有可以遵循的解决方法?
编辑1:
.foreachBatch - 似乎可以正常工作,但存在下面提到的问题
import org.apache.spark.sql.functions._
import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.Dataset
import org.apache.spark.sql.SaveMode
val spark = SparkSession.builder.appName("StructuredNetworkWordCount").getOrCreate()
import spark.implicits._
import org.apache.spark.sql.types.{StructType, StructField, StringType, IntegerType};
//subscribe to kafka topic
val csvDF = spark.readStream.format("kafka").option("kafka.bootstrap.servers", "xxxxxx912:9092").option("subscribe", "testtest").load()
val abcd = csvDF.selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)","CAST(topic AS STRING)","CAST(offset AS STRING)","CAST(partition AS STRING)","CAST(timestamp AS STRING)").as[(String, String, String, String, String, String)]
val query = abcd.writeStream.foreachBatch((batchDs: Dataset[_], batchId: Long) => {batchDs.write.mode(SaveMode.Append).insertInto("default.6columns");}).option("quote", "\u0000").start()
hive> select * from 6columns;
OK
0 A3,L1,G1,P1,O1,101,TXN1 testtest 122 0 2019-05-23 12:38:49.515
0 A3,L1,G1,P1,O1,102,TXN2 testtest 123 0 2019-05-23 12:38:49.524
0 A1,L1,G1,P1,O1,100,TXN3 testtest 124 0 2019-05-23 12:38:49.524
0 A2,L2,G1,P1,O2,100,TXN4 testtest 125 0 2019-05-23 12:38:49.524
0 A3,L1,G1,P1,O1,103,TXN5 testtest 126 0 2019-05-23 12:38:54.525
0 A3,L1,G1,P1,O1,104,TXN6 testtest 127 0 2019-05-23 12:38:55.525
0 A4,L1,G1,P1,O1,100,TXN7 testtest 128 0 2019-05-23 12:38:56.526
0 A1,L1,G1,P1,O1,500,TXNID8 testtest 129 0 2019-05-23 12:38:57.526
0 A6,L2,G2,P1,O1,500,TXNID9 testtest 130 0 2019-05-23 12:38:57.526
我正在寻找的是拆分 Kafka 消息的 value 属性,以便数据类似于 Hive 表它变成一个 12 列表(A3、L1、G1、P1、O1、101、TXN1 - 拆分为 7属性)。需要一些类似于我在编写数据帧时所做的 .option("quote", "\u0000") 的额外转换。但似乎不起作用。
【问题讨论】:
-
在 HDFS 文件路径中写入有什么问题? HDFS 文件夹=建立在它之上的 Hive 表。 (表 DDL 中的位置属性)
标签: apache-spark hive spark-structured-streaming