Question

尝试从kafka源读取。我想从收到的消息中提取时间戳来进行结构化的火花流。 kafka（版本0.10.0.0） spark streaming（版本2.0.1）

Answer 1

我建议一些事情：

假设您通过最新的Kafka Streaming Api (0.10 Kafka)

创建了一个流

E.g。你使用依赖："org.apache.spark" %% "spark-streaming-kafka-0-10" % 2.0.1

根据上面的文档，比你创建一个流：

 val kafkaParams = Map[String, Object](
     "bootstrap.servers" -> "broker1:9092,broker2:9092",
     "key.deserializer" -> classOf[StringDeserializer],
     "value.deserializer" -> classOf[ByteArrayDeserializer],
     "group.id" -> "spark-streaming-test",
     "auto.offset.reset" -> "latest",
     "enable.auto.commit" -> (false: java.lang.Boolean))

val sparkConf = new SparkConf()
// suppose you have 60 second window
val ssc = new StreamingContext(sparkConf, Seconds(60))
ssc.checkpoint("checkpoint")

val stream = KafkaUtils.createDirectStream(ssc, PreferConsistent,
Subscribe[String, Array[Byte]](topics, kafkaParams))

您的信息流将是ConsumerRecord[String,Array[Byte]]的DStream，您可以获得时间戳和键值，简单如下：
```
stream.map { record => (record.timestamp(), record.key(), record.value())  }
```

希望有所帮助。

Answer 2

spark.read
  .format("kafka")
  .option("kafka.bootstrap.servers", "your.server.com:9092")
  .option("subscribe", "your-topic")
  .load()
  .select($"timestamp", $"value")

字段“timestamp”是您正在寻找的。输入 - java.sql.Timestamp。确保您连接到0.10 Kafka服务器。早期版本中没有时间戳。此处描述的完整列表 - http://spark.apache.org/docs/latest/structured-streaming-kafka-integration.html#creating-a-kafka-source-for-batch-queries

从火花流中的kafka消息中提取时间戳？

2 个答案: