对apache-kafka的正常写入，但无法读取火花作业中的主题数据。

Question

HDP 2.6.5无路肩

我在运行卡夫卡和星星之火。

我正在为kafka中的特定主题编写数据，并试图运行python代码来读取和显示kafka的数据。

但是，读取会冻结，不会抛出错误。

启动火花放电：

pyspark --master yarn --num-executors 1 --executor-cores 4 --executor-memory 16G --driver-cores 4 --driver-memory 8G --packages org.apache.spark:spark-sql-kafka-0-10_2.11:2.3.1

在火花放电壳中：

from pyspark.sql import SparkSession, SQLContext, HiveContext
spark = SparkSession.builder.enableHiveSupport().getOrCreate()
spark.conf.set("spark.sql.sources.partitionOverwriteMode", "dynamic")
sqlcontext = SQLContext(spark.sparkContext)
hivecontext = HiveContext(spark.sparkContext)
hivecontext.setConf("hive.exec.dynamic.partition", "true")
hivecontext.setConf("hive.exec.dynamic.partition.mode", "nonstrict")

ds = spark.read.format("kafka").option("kafka.bootstrap.servers", "server-1:6667,server-2:6667").option("subscribe", "testtopic").option("startingOffsets", "earliest").option("endingOffsets", "latest").load()
ds.show()

当我在服务器上读取数据时：

./kafka-run-class.sh kafka.tools.SimpleConsumerShell --broker-list server-1:6667,server-2:6667 --topic testtopic --partition 0

数据在本主题中。

我使用以下方法检查了from运行服务器的服务器和端口的可用性：

nc -zv server-1 2181
nc -zv server-1 6667

没问题的

从一台服务器写入主题，从另一台服务器读取。所有服务器都在一个集群中。

UPD。通过一种科学的方法，我发现:在Kafka服务器上使用命令

kafka-console-consumer.sh --zookeeper server-1:2181 --topic testtopic --from-beginning

提供数据。

使用命令

kafka-console-consumer.sh --bootstrap-server server-1:6667 --topic testtopic --from-beginning --partition 0

提供数据。

但是，当我在另一台服务器上运行使用者时，它不会出现在kafka使用者列表中。

Answer 1

一旦定义了最终结果DataFrame/Dataset，剩下的就是开始流计算。为此，您必须使用通过DataStreamWriter ()返回的Dataset.writeStream (Scala/Java/Python )。您必须在此接口中指定以下一项或多项内容。试试看：

ds.start()

https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#starting-streaming-queries