Я хочу сделать Spark Structured Streaming (Spark 2.4.x) из источника Kafka в MariaDB с Python (PySpark).
Я хочу использовать потоковый фрейм данных Spark, а не статический или фрейм данных Pandas.
Похоже, что нужно использовать foreach
или foreachBatch
, поскольку нет возможных приемников базы данных для потоковых данных в соответствии с https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#output-sinks.
Вот моя попытка:
from pyspark.sql import SparkSession
import pyspark.sql.functions as F
from pyspark.sql.types import StructField, StructType, StringType, DoubleType, TimestampType
from pyspark.sql import DataFrameWriter
# configuration of target db
db_target_url = "jdbc:mysql://localhost/database"
db_target_properties = {"user":"writer", "password":"1234"}
# schema
schema_simple = StructType([StructField("Signal", StringType()),StructField("Value", DoubleType())])
# create spark session
spark = SparkSession.builder.appName("streamer").getOrCreate()
# create DataFrame representing the stream
df = spark.readStream \
.format("kafka").option("kafka.bootstrap.servers", "localhost:9092") \
.option("subscribe", "mytopic") \
.load() \
.selectExpr("Timestamp", "cast (value as string) as json") \
.select("Timestamp", F.from_json("json", schema_simple).alias('json_wrapper')) \
.selectExpr("Timestamp", "json_wrapper.Signal", "json_wrapper.Value")
df.printSchema()
# Do some dummy processing
df2 = df.filter("Value < 11111111111")
print("df2: ", df2.isStreaming)
def process_row(row):
# Process row
row.write.jdbc(url=db_target_url, table="mytopic", mode="append", properties=db_target_properties)
pass
query = df2.writeStream.foreach(process_row).start()
Я получаю сообщение об ошибке:
Ошибка атрибута: запись
Почему?