如何在 Spark 2.1 中通过 kudu API 编写和更新

Question

我想通过 Kudu API 编写和更新。 这是maven依赖：

<dependency>
  <groupId>org.apache.kudu</groupId>
  <artifactId>kudu-client</artifactId>
  <version>1.1.0</version>
</dependency>
<dependency>
  <groupId>org.apache.kudu</groupId>
  <artifactId>kudu-spark2_2.11</artifactId>
  <version>1.1.0</version>
</dependency>

在下面的代码中，我对KuduContext参数一无所知。

我在 spark2-shell 中的代码：

val kuduContext = new KuduContext("master:7051") 

Spark 2.1 流中也出现同样的错误：

import org.apache.kudu.spark.kudu._
import org.apache.kudu.client._
val sparkConf = new SparkConf().setAppName("DirectKafka").setMaster("local[*]")
val ssc = new StreamingContext(sparkConf, Seconds(2))
val messages = KafkaUtils.createDirectStream("")
messages.foreachRDD(rdd => {
   val spark = SparkSession.builder.config(rdd.sparkContext.getConf).getOrCreate()
   import spark.implicits._
   val bb = spark.read.options(Map("kudu.master" -> "master:7051","kudu.table" -> "table")).kudu //good 
   val kuduContext = new KuduContext("master:7051") //error
})

然后报错：

org.apache.spark.SparkException: 只有一个 SparkContext 可能正在运行 在这个 JVM 中（参见 SPARK-2243）。要忽略此错误，请设置 spark.driver.allowMultipleContexts = true。当前运行的 SparkContext 创建于： org.apache.spark.sql.SparkSession$Builder.getOrCreate(SparkSession.scala:860)

Answer 1

将您的 Kudu 版本更新到最新版本（当前为 1.5.0）。 KuduContext 在以后的版本中将SparkContext 作为输入参数，应该可以防止这个问题。

另外，在foreachRDD 之外进行初始 Spark 初始化。在您提供的代码中，将 spark 和 kuduContext 移出 foreach。此外，您不需要创建单独的sparkConf，您可以只使用较新的SparkSession。

val spark = SparkSession.builder.appName("DirectKafka").master("local[*]").getOrCreate()
import spark.implicits._

val kuduContext = new KuduContext("master:7051", spark.sparkContext)
val bb = spark.read.options(Map("kudu.master" -> "master:7051", "kudu.table" -> "table")).kudu

val messages = KafkaUtils.createDirectStream("")
messages.foreachRDD(rdd => {   
  // do something with the bb table and messages       
})