在批处理之后,Spark ETL需要向Kafka主题写入包含多个不同列的结果DataFrame。
根据以下Spark文档https://spark.apache.org/docs/2.2.0/structured-streaming-kafka-integration.html,写入Kafka的Dataframe在模式中应具有以下必需列:
value(必需)字符串或二进制
正如我之前提到的,我有更多列的值,所以我有一个问题 - 如何将整个DataFrame行作为单个消息正确地从我的Spark应用程序发送到Kafka主题?我是否需要将所有列中的所有值连接到具有单个值列(将包含连接值)的新DataFrame中,或者还有更合适的方法来实现它?
文档中提到了正确做法,与你对Kafka客户端所做的事情没有什么不同 - 你必须在发送给Kafka之前序列化有效载荷。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。