我使用 PostGre 作为数据库。我想为每个批次捕获一个表数据并将其转换为 Parquet 文件并存储到 s3。我尝试使用spark和readStream的JDBC选项进行连接,如下所示......
val jdbcDF = spark.readStream
.format("jdbc")
.option("url", "jdbc:postgresql://myserver:5432/mydatabase")
.option("dbtable", "database.schema.table")
.option("user", "xxxxx")
.option("password", "xxxxx")
.load()
但它抛出了不受支持的异常
Exception in thread "main" java.lang.UnsupportedOperationException: Data source jdbc does not support streamed reading
at org.apache.spark.sql.execution.datasources.DataSource.sourceSchema(DataSource.scala:234)
at org.apache.spark.sql.execution.datasources.DataSource.sourceInfo$lzycompute(DataSource.scala:87)
at org.apache.spark.sql.execution.datasources.DataSource.sourceInfo(DataSource.scala:87)
at org.apache.spark.sql.execution.streaming.StreamingRelation$.apply(StreamingRelation.scala:30)
at org.apache.spark.sql.streaming.DataStreamReader.load(DataStreamReader.scala:150)
at examples.SparkJDBCStreaming$.delayedEndpoint$examples$SparkJDBCStreaming$1(SparkJDBCStreaming.scala:16)
at examples.SparkJDBCStreaming$delayedInit$body.apply(SparkJDBCStreaming.scala:5)
at scala.Function0$class.apply$mcV$sp(Function0.scala:34)
at scala.runtime.AbstractFunction0.apply$mcV$sp(AbstractFunction0.scala:12)
at scala.App$$anonfun$main$1.apply(App.scala:76)
at scala.App$$anonfun$main$1.apply(App.scala:76)
at scala.collection.immutable.List.foreach(List.scala:392)
at scala.collection.generic.TraversableForwarder$class.foreach(TraversableForwarder.scala:35)
at scala.App$class.main(App.scala:76)
我在正确的轨道上吗?真的不支持数据库作为 Spark 流的数据源吗?
AFAIK 另一种这样做的方法是编写一个 kafka 生产者将数据发布到 kafka 主题,然后使用 Spark 流...
Note : I dont want to use kafka connect for this since I need to do some auxiliary transformations.
这是唯一的方法吗?
这样做的正确方法是什么?有没有这样的例子?
请协助!
最佳答案
Spark 结构化流没有标准的 JDBC 源,但您可以编写自定义,但您应该明白您的表必须有一个唯一的键,您可以通过它来跟踪更改。
例如,您可以取 my implementation ,不要忘记在依赖中添加必要的JDBC驱动
关于postgresql - Spark Streaming jdbc 在数据到来时读取流 - 数据源 jdbc 不支持流式读取,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56857171/