Databricks:结构化流失败，出现超时异常

Question

我想在具有kafka源代码的数据砖中创建结构化流。 我按照此处描述的说明进行操作。我的脚本似乎启动了，但是它因流的第一个元素而失败。当我使用confluent_kafka时，流 itsellf 工作正常并产生结果并工作(在数据砖中)，因此似乎缺少一个不同的问题：

处理初始流后，脚本超时：

java.util.concurrent.TimeoutException: Stream Execution thread for stream [id = 80afdeed-9266-4db4-85fa-66ccf261aee4, 
runId = b564c626-9c74-42a8-8066-f1f16c7ab53d] failed to stop within 36000 milliseconds (specified by spark.sql.streaming.stopTimeout). See the cause on what was being executed in the streaming query thread.`

我尝试过什么：查看SO并找到这个答案，我包括spark.conf.set("spark.sql.streaming.stopTimeout", 36000)进入我的设置 - 这没有任何改变。

任何意见都非常感谢！

from pyspark.sql import functions as F
from pyspark.sql.types import *
# Define a data schema
schema = StructType() 
.add('PARAMETERS_TEXTVALUES_070_VALUES', StringType())
.add('ID', StringType())
.add('PARAMETERS_TEXTVALUES_001_VALUES', StringType())
.add('TIMESTAMP', TimestampType())

df = spark 
.readStream 
.format("kafka") 
.option("host", "stream.xxx.com") 
.option("port", 12345)
.option('kafka.bootstrap.servers', 'stream.xxx.com:12345') 
.option('subscribe', 'stream_test.json') 
.option("startingOffset", "earliest") 
.load()
df_word = df.select(F.col('key').cast('string'),
F.from_json(F.col('value').cast('string'), schema).alias("parsed_value"))

df_word 
.writeStream 
.format("parquet") 
.option("path", "dbfs:/mnt/streamfolder/stream/") 
.option("checkpointLocation", "dbfs:/mnt/streamfolder/check/") 
.outputMode("append") 
.start()

我的流输出数据如下所示：

"PARAMETERS_TEXTVALUES_070_VALUES":'something'
"ID":"47575963333908"
"PARAMETERS_TEXTVALUES_001_VALUES":12345
"TIMESTAMP": "2020-10-22T15:06:42.507+02:00"

此外，stream和check文件夹都填充了 0-b 文件，除了metadata，其中包括上述错误的 ìd。

谢谢，注意安全。

Answer 1

我遇到了同样的问题。 我检查了驱动程序日志，并在堆栈跟踪中发现了此异常：

org.apache.spark.SparkException: Failed to store executor broadcast spark_join_relation_3540_1455983219 (size = Some(67371008)) in BlockManager with storageLevel=StorageLevel(memory, deserialized, 1 replicas)

根据此建议，我提高了驱动程序内存(在我的情况下为 16gb 到 32gb)，它解决了这个问题。

StackOverflow上的这个答案解释了它为什么有效。