scala - Spark 结构化流中 writeStream 的可用输出格式有哪些

Question

考虑一个通用的 writeStream调用 - 使用典型的“控制台”输出格式:

out.writeStream
  .outputMode("complete")
  .format("console")
  .start()

有哪些替代方案？我注意到实际上默认值是 parquet :

在 DataStreamWriter :

  /**
   * Specifies the underlying output data source.
   *
   * @since 2.0.0
   */
  def format(source: String): DataStreamWriter[T] = {
    this.source = source
    this
  }

  private var source: String = df.sparkSession.sessionState.conf.defaultDataSourceName

在 SQLConf :

  def defaultDataSourceName: String = getConf(DEFAULT_DATA_SOURCE_NAME)

  val DEFAULT_DATA_SOURCE_NAME = buildConf("spark.sql.sources.default")
    .doc("The default data source to use in input/output.")
    .stringConf
    .createWithDefault("parquet")

但是， Parquet 文件的路径是如何指定的呢？支持哪些其他格式以及它们有/需要哪些选项？

Answer 1

这是相同的官方 Spark 文档:https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#output-sinks

从 spark 2.4.1 开始，开箱即用支持五种格式:

文件接收器

卡夫卡水槽

Foreach接收器

控制台水槽

内存槽

除此之外，还可以通过扩展 Sink 来实现她的自定义接收器。 Spark API: https://github.com/apache/spark/blob/master/sql/core/src/main/scala/org/apache/spark/sql/execution/streaming/Sink.scala