Kafka出现火花流问题

Question

我正在尝试通过火花流从Kafka经纪人那里阅读，但是我遇到了一些问题。

def spark_streaming_from_STABLE_kafka_topic():
    conf = SparkConf().setMaster("spark://antonis-dell:7077").setAppName("Kafka_Spark")
    sc = SparkContext(conf=conf) 
    sc.setLogLevel("WARN")
    ssc = StreamingContext(sc, 2)

    topic = "stable_topic"
    kvs = KafkaUtils.createDirectStream(ssc,
                                    [topic],
                                    {"metadata.broker.list": "my-broker",
                                    "auto.offset.reset": "smallest"},
                                    keyDecoder=lambda x: x,
                                    valueDecoder=lambda x: x
                                    )

    lines = kvs.window(2, 2).map(lambda x: x[1])
    lines.pprint()
    return ssc


if __name__ == "__main__":
    ssc = StreamingContext.getOrCreate('/home/antonis/Desktop/tmp/checkpoint_v06', lambda: spark_streaming_from_STABLE_kafka_topic())
    ssc.start()
    ssc.awaitTermination()

上面的代码除了空批处理以外，不提取任何东西：

-------------------------------------------
Time: 2020-05-29 09:32:38
-------------------------------------------

-------------------------------------------
Time: 2020-05-29 09:32:40
-------------------------------------------

主题stable_topic包含固定大小的数据。它不会改变。我还有另一个每秒接收数据的主题。如果我使用本主题而不是stable_topic并删除了"auto.offset.reset": "smallest"，则代码将获取数据。

我认为{"auto.offset.reset": "smallest"}出了点问题，但我无法弄清楚。

现在有人在做什么我做错了吗？

Answer 1

[在更高版本中，smallest被earliest代替。确保检查使用的版本的文档。

此外，如果使用者组已经使用了主题auto.offset.reset中的某些数据，则stable_topic配置将不会生效。因此，您可以考虑在流作业中更改group.id。