我正在使用 Kafka 和 Spark 结构化流。我收到以下格式的 kafka 消息。
{"deviceId":"001","sNo":1,"data":"aaaaa"}
{"deviceId":"002","sNo":1,"data":"bbbbb"}
{"deviceId":"001","sNo":2,"data":"ccccc"}
{"deviceId":"002","sNo":2,"data":"ddddd"}
我正在像下面这样阅读它。
Dataset<String> data = spark
.readStream()
.format("kafka")
.option("kafka.bootstrap.servers", bootstrapServers)
.option(subscribeType, topics)
.load()
.selectExpr("CAST(value AS STRING)")
.as(Encoders.STRING());
Dataset<DeviceData> ds = data.as(ExpressionEncoder.javaBean(DeviceData.class)).orderBy("deviceId","sNo");
ds.foreach(event ->
processData(event.getDeviceId(),event.getSNo(),event.getData().getBytes())
);}
private void processData(String deviceId,int SNo, byte[] data)
{
//How to check previous processed Dataset???
}
在我的json消息中,“data”是byte[]的字符串形式。我有一个要求,我需要按“sNo”的顺序处理给定“deviceId”的二进制“数据”。因此,对于“deviceId”=“001”,我必须处理“sNo”=1 的二进制数据,然后处理“sNo”=2 等等。如何检查结构化流中先前处理的数据集的状态?
最佳答案
如果您正在寻找像 DStream.mapWithState 这样的状态管理,那么结构化流尚不支持它。工作正在进行中。请检查 https://issues.apache.org/jira/browse/SPARK-19067 .
关于java - 在 Spark 结构化流处理中处理二进制数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42433039/