结构化流式传输 - 消费每个消息

Question

什么是“推荐”方式来处理每条消息，因为它通过结构化流式传输管道（我在spark 2.1.1上，源代码为kafka 0.10.2.1）？

到目前为止，我在看dataframe.mapPartitions（因为我需要连接到hbase，其客户端连接类不是serizalable，因此mapPartitions）。

想法？

Answer 1

您应该能够使用foreach输出水槽：https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#output-sinks和https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#using-foreach

即使客户端不是序列化的，你没有在你的ForeachWriter构造函数将其打开。只需将它保留为None/null，并将其初始化为open方法，该方法在序列化后称为，但每个任务只能执行一次。

在排序的伪码：

class HBaseForeachWriter extends ForeachWriter[MyType] { 
    var client: Option[HBaseClient] = None 
    def open(partitionId: Long, version: Long): Boolean = { 
    client = Some(... open a client ...) 
    } 
    def process(record: MyType) = { 
    client match { 
     case None => throw Exception("shouldn't happen") 
     case Some(cl) => { 
     ... use cl to write record ... 
     } 
    } 
    } 
    def close(errorOrNull: Throwable): Unit = { 
    client.foreach(cl => cl.close()) 
    } 
}