从 kafka 主题读取数据并使用 spark tempview 聚合？

Question

我想从 kafka 主题中读取数据，并创建 spark tempview 以按某些列分组？

+----+--------------------+
| key|               value|          
+----+--------------------+
|null|{"e":"trade","E":...|
|null|{"e":"trade","E":...|
|null|{"e":"trade","E":...|

但我无法从 tempview 聚合数据？？ value 列数据存储为 String???

Dataset<Row> data = spark
                  .readStream()
                  .format("kafka")
                  .option("kafka.bootstrap.servers", "localhost:9092,localhost:9093")
                  .option("subscribe", "data2-topic")
                  .option("startingOffsets", "latest")
                  .option ("group.id", "test")
                  .option("enable.auto.commit", "true")
                  .option("auto.commit.interval.ms", "1000")          
                  .load();
          data.selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)");
          data.createOrReplaceTempView("Tempdata");
          data.show();
Dataset<Row> df2=spark.sql("SELECT e FROM Tempdata group by e");
df2.show();

Answer 1

值列数据存储为字符串？？？

是的..因为你CAST(value as STRING)

您需要使用from_json 函数将行加载到您可以在其中搜索的适当数据框中。

有关示例，请参阅 Structured Streaming on Kafka 上的 Databrick 博客

如果主要目标只是对某些字段进行分组，那么 KSQL 可能是一种替代方案。