数据转换后，将kafka流数据帧保存到Databricks中的Redis

Question

在对数据执行聚合后，我使用pyspark将kafka流定向到redis。最终输出是一个流数据名。

我连接到kafka streams的代码。(您可能会发现我的代码是外行工作，请忽略)

app_schema = StructType([
        StructField("applicationId",StringType(),True),
        StructField("applicationTimeStamp",StringType(),True)
    ])

# group_id = "mygroup"
topic = "com.mobile-v1"
bootstrap_servers = "server-1:9093,server-2:9093,server-3:9093"

options = {
    "kafka.sasl.jaas.config": 'org.apache.kafka.common.security.plain.PlainLoginModule required username="user@stream.com" password="xxxxx";',\
    "kafka.ssl.ca.location": "/tmp/cert.crt",\
    "kafka.sasl.mechanism": "PLAIN",\
    "kafka.security.protocol" : "SASL_SSL",\
    "kafka.bootstrap.servers": bootstrap_servers,\
    "failOnDataLoss": "false",\
    "subscribe": topic,\
    "startingOffsets": "latest",\
    "enable.auto.commit": "false",\
    "auto.offset.reset": "false",\
    "enable.partition.eof": "true",\
    "key.deserializer": "org.apache.kafka.common.serialization.StringDeserializer",\
    "value.deserializer": "org.apache.kafka.common.serialization.StringDeserializer"
}
kafka_mobile_apps_df = spark.readStream.format("kafka").options(**options).options().load()

kafka_mobile_apps_df = kafka_mobile_apps_df\
    .select(from_json(col("value").cast("string"), app_schema).alias("mob_apps"))

由于订阅到代理，这给了我流数据帧。之后，我将数据聚合到count_df，如下所示

count_df = kafka_mobile_apps_df.withColumn("diff_days", ((col("TimeStamp_")) - (col("TimeStamp")))/(60.0*60.0*24))\
                            .withColumn("within_7d_ind", when(col("diff_days") < 7.0, 1).otherwise(0))\
                            .groupBy("_applicationId")
                            .agg(sum(col("within_7d_ind")).alias(feature+"_7day_velocity"))

现在，我正在尝试将这个count_df流写入redis。在我的研究之后，我发现我可以使用" spark-redis _2.11“来连接spark-redis。

我不知道scala，我在scala中找到了一个spark-redis github示例。有没有人能帮个忙，用pyspark写这个count_df到redis的认证的确切方法是什么？

请查找spark-redis github here

我已经在集群上安装了所需的jar "com.redislabs:spark-redis_2.12:2.5.0“。

谢谢。

刚刚发现他们还不支持python，请让我知道有没有其他方法来写这个？

Answer 1

你应该这样做，我已经在这里回答了这个问题，https://stackoverflow.com/a/68218806/2986344

更多有用的链接：https://github.com/RedisLabs/spark-redis/issues/307