Pyspark预测使用kafka直接流

我想拉动kafka数据来引发流式处理，从HDFS中加载已经建好的模型，然后使用kafka消息做出预测。Pyspark预测使用kafka直接流

我试了好几种方法，但我因为一个TypeError的又卡在model.predict：不能类型转换成矢量

从卡夫卡接收到的数据是浮动逗号分隔。

这里是我的代码：

sc = SparkContext(appName="PythonStreamingKafkaForecast") 
ssc = StreamingContext(sc, 10) 

# Create stream to get kafka messages 
directKafkaStream = KafkaUtils.createDirectStream(ssc, ["my_topic"], {"metadata.broker.list": "kafka_ip"}) 

features = directKafkaStream.foreachRDD(lambda rdd: rdd.map(lambda s: Vectors.dense(s[1].split(",")))) 

model = LinearRegressionModel.load(sc, "hdfs://hadoop_ip/model.model") 

#Predict 
predicted = model.predict(features)

我也试过这样：

lines = directKafkaStream.map(lambda x: x[1]) 
features = lines.map(lambda data: Vectors.dense([float(c) for c in data.split(',')]))

但是这一次，是功能型TransformedStream，不会对preidctions工作的...

你能告诉我我做错了什么吗？

谢谢您的帮助

来源

2017-02-04 chateaur

好吧，这个问题是试图从卡夫卡读取数据，即使该主题是空的。

这解决了我的问题：

def predict(rdd): 
    count = rdd.count() 
    if (count > 0): 
     features = rdd.map(lambda s: Vectors.dense(s[1].split(","))) 

     return features 
    else: 
    print("No data received") 

directKafkaStream.foreachRDD(lambda rdd: predict(rdd))

来源

2017-02-05 15:44:25 chateaur

Pyspark预测使用kafka直接流

回答

相关问题