- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用来自 Spark 3.0 的结构化流。
我想做的是将数据写入多个接收器。我需要在 Kafka 中编写一些 DataFrame 以便在另一个进程中使用,并且还需要在 Cassandra 中存储相同的 DataFrame 以备后用(一些仪表板等)。
对于定位过程,我编写了如下代码。我引用了来自 here 的官方文档.
merged_stream.writeStream
//.trigger(Trigger.ProcessingTime("3 seconds"))
.foreachBatch((batchDF: DataFrame, batchId: Long) => {
batchDF.persist()
batchDF.write
.format("kafka")
.option("kafka.bootstrap.servers", brokers)
.option("kafka.compression.type", sinkCompressionType)
.option("topic", mergeTopic)
.mode("append")
.save()
batchDF.write
.format("org.apache.spark.sql.cassandra")
.cassandraFormat(cassandraTable, cassandraKeyspace, cassandraCluster)
.mode("append")
.save()
batchDF.unpersist() //**this is the problem!!**//
})
.option("checkpointLocation", checkpointDir)
.start()
.awaitTermination()
但是,每当我在foreachBatch的最后部分写batchDF.unpersist()
时,就会出现编译错误:
[error] (function: org.apache.spark.api.java.function.VoidFunction2[org.apache.spark.sql.Dataset[org.apache.spark.sql.Row],java.lang.Long])org.apache.spark.sql.streaming.DataStreamWriter[org.apache.spark.sql.Row] <and>
[error] (function: (org.apache.spark.sql.Dataset[org.apache.spark.sql.Row], scala.Long) => Unit)org.apache.spark.sql.streaming.DataStreamWriter[org.apache.spark.sql.Row]
[error] cannot be applied to ((org.apache.spark.sql.DataFrame, scala.Long) => org.apache.spark.sql.DataFrame)
[error] .foreachBatch({(batchDF: DataFrame, batchId: Long) => {
[error] ^
[error] one error found
[error] (Compile / compileIncremental) Compilation failed
当我删除 batchDF.unpersist()
时,它正常工作,我检查了数据是否顺利进入 Kafka 和 Cassandra。但是,很明显,由于缓存的数据仍在内存中,它很快就出现了内存不足错误。
我也尝试过使用 sparkSession.catalog.clearCache()
,但它似乎没有按预期工作。
我的代码和文档完全一样,为什么会出现这个错误?另外,我该如何解决?
提前致谢。
最佳答案
Spark 一直为 Scala 和 Java 提供两种不同的方法,因为 Scala 在 Scala 2.12 之前不会生成 Java lambda。
/**
* Applies a function `f` to all rows.
*
* @group action
* @since 1.6.0
*/
def foreach(f: T => Unit): Unit = withNewRDDExecutionId {
rdd.foreach(f)
}
/**
* (Java-specific)
* Runs `func` on each element of this Dataset.
*
* @group action
* @since 1.6.0
*/
def foreach(func: ForeachFunction[T]): Unit = foreach(func.call(_))
那是为了方便 Java 用户,但是一旦 Spark 开始支持 Scala 2.12,这些方法就会相互冲突。
Spark 社区中有相关讨论,但看起来决定保持 API 兼容性。也就是说,不幸的是,您需要“严格”匹配两种方法之间的签名之一,例如,在 lambda 的末尾添加 Unit
。
关于apache-spark - 如何在结构化流中适本地使用 foreachBatch.batchDF.unpersist()? (保持错误),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63642364/
我正在尝试将 json 文件序列化为 Parquet 格式。我有这个错误: Error:(34, 25) overloaded method foreachBatch with alternative
我们正在构建一个流媒体平台,在该平台上,批处理 SQL 是必不可少的。 val query = streamingDataSet.writeStream.option("checkpointLocat
我们正在构建一个流媒体平台,在该平台上,批处理 SQL 是必不可少的。 val query = streamingDataSet.writeStream.option("checkpointLocat
我在 pyspark 结构化流中使用 foreachBatch 使用 JDBC 将每个微批处理写入 SQL Server。我需要对多个表使用相同的过程,并且我想通过为表名添加一个额外的参数来重用相同的
给定一个 DataStreamReader 配置为订阅多个主题,如下所示(请参阅 here ): // Subscribe to multiple topics spark .readStream
我正在使用来自 Spark 3.0 的结构化流。 我想做的是将数据写入多个接收器。我需要在 Kafka 中编写一些 DataFrame 以便在另一个进程中使用,并且还需要在 Cassandra 中存储
我想使用 Python (PySpark) 从 Kafka 源到 MariaDB 执行 Spark Structured Streaming (Spark 2.4.x)。 我想使用流式 Spark 数
如果在使用 foreachBatch 的结构化流中进行状态聚合(任意)以将更新合并到增量表中,我是否应该在更新之前将批处理数据帧保留在 foreachBatch 中? 似乎不需要持久化,因为我正在写入
我在 Databricks 中设计了以下结构化流代码以写入 Azure Data Lake: def upsertToDelta(microBatchOutputDF: DataFrame, batc
我是一名优秀的程序员,十分优秀!