【发布时间】:2024-05-19 21:15:01
【问题描述】:
我正在 Spark Streaming 应用程序中读取来自 Kafka 的消息。
SparkBatch 持续时间:15 秒。 SparkWindow:60 秒。
var dstream = KafkaUtils.createDirectStream() // ignore the argumtns
var windowedStream = dstream.window(SparkWindow)
// delete data from REDIS
windowedStream.foreachRDD(rdd -> {
if(!rdd.isEmpty()) {
JavaFutureAction<Void> v = rdd.foreachPartitionAsync(t -> {
// collect error data across partitions and write those to REDIS
})// foreachPartitionAsync ends
}
})
// fetchFromREDISAndProcess() --Once foreachRDD ends. fetch error data from REDIS and process them
有一个限制,我必须首先在 spark 窗口中从每个分区和 RDD 收集错误记录,然后在驱动程序上处理它们。
我将在每个 Spark 窗口中获得 4 个 RDD。
问题: 我想在每个窗口之后从 REDIS 读取数据并在继续下一个窗口之前处理它们。有没有办法确保我每次火花窗口结束时都执行我的代码?
【问题讨论】:
标签: apache-spark spark-streaming kafka-consumer-api