如何使用Spark的Kafka直接流设置消费者群体提交的偏移量？

Question

我正在尝试使用Spark的直接方法(无接收器)用于Kafka,我有以下Kafka配置图:

configMap.put("zookeeper.connect","192.168.51.98:2181");
configMap.put("group.id", UUID.randomUUID().toString());
configMap.put("auto.offset.reset","smallest");
configMap.put("auto.commit.enable","true");
configMap.put("topics","IPDR31");
configMap.put("kafka.consumer.id","kafkasparkuser");
configMap.put("bootstrap.servers","192.168.50.124:9092");

现在我的目标是,如果我的Spark管道崩溃并再次启动,则应该从使用者组提交的最新偏移量开始流.因此,为此目的,我想为消费者指定起始偏移量.我有关于每个分区中提交的偏移量的信息.我如何将此信息提供给流功能.目前我正在使用

JavaPairInputDStream<byte[], byte[]> kafkaData =
   KafkaUtils.createDirectStream(js, byte[].class, byte[].class,
     DefaultDecoder.class, DefaultDecoder.class,configMap,topic); 

Answer 1

在Spark API文档中查看createDirectStream的第二种形式- 它允许您传入a Map<TopicAndPartition, Long>,其中Long是偏移量.

请注意,使用DirectInputStream时,Spark不会自动更新Zookeeper中的偏移量 - 您必须自己将它们写入ZK或其他数据库.除非您严格要求完全一次语义,否则使用createStream方法更容易获取DStream,在这种情况下,Spark将更新ZK中的偏移量,并在发生故障时从最后存储的偏移量中恢复.