Spark Streaming：写入从 Kafka 主题读取的行数

Question

Spark 流作业正在从繁忙的 kafka 主题读取事件。为了了解每个触发间隔有多少数据进入，我只想输出从主题读取的行数。我尝试了多种方法，但无法弄清楚。

Dataset<Row> stream = sparkSession.readStream()
          .format("kafka")
          .option("kafka.bootstrap.servers", kafkaBootstrapServersString)
          .option("subscribe", topic)
          .option("startingOffsets", "latest")
          .option("enable.auto.commit", false)
//          .option("failOnDataLoss", false)
//          .option("maxOffsetsPerTrigger", 10000)
          .load();
      stream.selectExpr("topic").agg(count("topic")).as("count");
      //stream.selectExpr("topic").groupBy("topic").agg(count(col("topic")).as("count"));
      stream.writeStream()
            .format("console")
            .option("truncate", false)
            .trigger(Trigger.ProcessingTime("10 seconds"))
            .start();

Answer 1

看来你需要

stream = stream.selectExpr("topic").agg(count("topic")).as("count");

然后你可以打印出来

Spark Streaming：写入从 Kafka 主题读取的行数

Spark Streaming: Writing number of rows read from a Kafka topic

java

apache-kafka

apache-spark

spark-structured-streaming