无法使用spark sql读取kafka

Question

我正在尝试使用spark阅读kafka，但我想可能会遇到一些与库相关的问题。

我正在向kafka主题推送一些事件，我可以通过kafka控制台消费者阅读，但无法通过spark阅读。我使用的是spark-sql-kafka库，该项目是用maven编写的。Scala版本是2.11.12，spark版本是2.4.3。

            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>2.4.3</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.11</artifactId>
            <version>2.4.3</version>
            <scope>provided</scope>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql-kafka-0-10 -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql-kafka-0-10_2.11</artifactId>
            <version>2.4.3</version>
            <scope>provided</scope>
        </dependency>

我的java代码如下：

SparkSession spark = SparkSession.builder()
                .appName("kafka-tutorials")
                .master("local[*]")
                .getOrCreate();

        Dataset<Row> rows = spark.readStream().
                format("kafka").option("kafka.bootstrap.servers", "localhost:9092")
                .option("subscribe", "meetup-trending-topics")
                .option("startingOffsets", "latest")
                .load();

        rows.writeStream()
                .outputMode("append")
                .format("console")
                .start();

        spark.streams().awaitAnyTermination();
        spark.stop();

以下是我收到的错误消息：-

主线程org.apache.spark.sql.AnalysisException异常:找不到数据源: kafka。请按照“结构化流媒体+ Kafka集成指南”中的部署部分部署应用程序。；在org.apache.spark.sql.streaming.DataStreamReader.load(DataStreamReader.scala:161)的org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:652)

解决方案：-两者之一:1)创建超级jar或ii) --packages org.apache.spark:spark-sql-kafka-0-10_2.11:2.4.3我之前在mainclass之后给出了--packages org.apache.spark:spark-sql-kafka-0-10_2.11:2.4.3选项。

Answer 1

这一点：

<scope>provided</scope>

意味着您负责提供适当的jar。我(和其他许多人)倾向于避免使用这个作用域，而是构建一个要部署的uberjar。