python将csv数据发送到spark Streaming

Question

我想尝试在 python 中加载 csv 数据并通过 SPark Streaming 流式传输每一行 Spark。

我对网络东西还很陌生。我不完全是如果我应该创建一个服务器 python 脚本，一旦建立连接（使用 Spark 流），它将开始发送每一行。在 Spark Streaming Documentation 中，如果我正确的话，他们会执行 nc -l 9999 ，这是一个监听端口 9999 的 netcat 服务器。所以我尝试创建一个类似的 python 脚本来解析 csv 并在端口 60000 上发送

import socket                   # Import socket module
import csv

 port = 60000                    # Reserve a port for your service.
 s = socket.socket()             # Create a socket object
 host = socket.gethostname()     # Get local machine name
 s.bind((host, port))            # Bind to the port
 s.listen(5)                     # Now wait for client connection.

 print('Server listening....')

 while True:
     conn, addr = s.accept()     # Establish connection with client.
     print('Got connection from', addr)



     csvfile = open('Titantic.csv', 'rb')

     reader = csv.reader(csvfile, delimiter = ',')
     for row in reader:
         line = ','.join(row)

         conn.send(line)
         print(line)

     csvfile.close()

     print('Done sending')
     conn.send('Thank you for connecting')
     conn.close()

Spark 流脚本 -

from pyspark import SparkContext
from pyspark.streaming import StreamingContext
ssc = StreamingContext(sc, 1)

# Create a DStream that will connect to hostname:port, like localhost:9999
lines_RDD = ssc.socketTextStream("localhost", 60000)

# Split each line into words
data_RDD = lines_RDD.flatMap(lambda line: line.split(","))

data_RDD.pprint()

ssc.start()             # Start the computation
ssc.awaitTermination()  # Wait for the computation to terminate

运行 Spark 脚本时（顺便说一句，这是在 Jupyter Notebooks 中），我收到此错误 - IllegalArgumentException：“要求失败：没有注册输出操作，因此没有要执行的内容”

我不认为我正确地执行了我的套接字脚本，但我不太确定该怎么做我基本上试图复制 nc -lk 9999 所做的事情，这样我就可以通过端口发送文本数据，然后 Spark Streaming 正在侦听它并接收数据并对其进行处理。

任何帮助将不胜感激

Answer 1

我正在尝试做类似的事情，但我想每 10 秒传输一行。我用这个脚本解决了：

import socket
from time import sleep

host = 'localhost'
port = 12345

s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s.bind((host, port))
s.listen(1)
while True:
    print('\nListening for a client at',host , port)
    conn, addr = s.accept()
    print('\nConnected by', addr)
    try:
        print('\nReading file...\n')
        with open('iris_test.csv') as f:
            for line in f:
                out = line.encode('utf-8')
                print('Sending line',line)
                conn.send(out)
                sleep(10)
            print('End Of Stream.')
    except socket.error:
        print ('Error Occured.\n\nClient disconnected.\n')
conn.close()

希望这可以帮助。