0
我正在使用Kafka和Spark结构化流式处理。我收到以下格式的卡巴消息。在Spark结构化流中处理二进制数据
{"deviceId":"001","sNo":1,"data":"aaaaa"}
{"deviceId":"002","sNo":1,"data":"bbbbb"}
{"deviceId":"001","sNo":2,"data":"ccccc"}
{"deviceId":"002","sNo":2,"data":"ddddd"}
我读它像下面。
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???
}
以我JSON消息 “数据” 是字节[]的字符串形式。我有一个要求,我需要按照“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,然后“sNo”= 2等二进制数据。如何在结构化流式传输中检查之前处理过的数据集的状态?任何样本或链接都会有很大的帮助。我是Spark的新手,请和我一起裸照。谢谢。
你到目前为止尝试了什么? – Jan
我已更新我的代码。请检查。我在做orderBy然后forEach来处理数据。我被卡在processData方法中,如何处理来自流式传输接收的数据集的当前和以前的数据。 – user7615505