1

我想使用火花流将事件窗口插入到每日表中，同时使该表始终保持最新到最后一秒。

基本上我有这个火花1.4.1：

val lines = KafkaUtils.createStream(ssc, zkQuorum, group, topicMap).map(_._2)
lines.window(Seconds(1), Seconds(1))
.foreachRDD { (rdd, time) =>
  if (rdd.count > 0) {
    hiveContext.read.json(rdd).toDF().write.mode(SaveMode.Append).save(s"tachyon://192.168.1.12:19998/persistedI")
    hiveContext.sql(s"CREATE TABLE IF NOT EXISTS persistedI USING org.apache.spark.sql.parquet OPTIONS ( path 'tachyon://192.168.1.12:19998/persistedI')")
    hiveContext.sql(s"REFRESH TABLE persistedI")
  }
}

然而，随着时间的推移，这会变慢，正如我在日志中看到的那样，在每次插入时，所有先前的部分都被打开（阅读我假设的镶木地板页脚）

我尝试了以下方法，但这会使刷新速度变慢。

parquet.enable.summary-metadata false spark.sql.hive.convertMetastoreParquet.mergeSchema false

这种情况下最好的设置是什么？

（只要我能满足要求，我对使用的东西非常灵活）

4

0 回答 0