在Spark Streaming中消费Kafka(Spark 2.0)

Question

我发现在Spark Streaming（Spark 2.0）中有两种消费Kafka主题的方法：

1） 使用KafkaUtils.createDirectStream每k秒获取一次数据流，请参阅此文档

2） 使用kafka: sqlContext.read.format(“json”).stream(“kafka://KAFKA_HOST”)为Spark 2.0的新功能创建一个无限的DataFrame：结构化流，相关文档在这里

方法1）有效，但2）无效，我得到了以下错误

Exception in thread "main" java.lang.NoSuchMethodError: org.apache.spark.sql.DataFrameReader.stream(Ljava/lang/String;)Lorg/apache/spark/sql/Dataset;
...
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:497)
at org.apache.spark.deploy.SparkSubmit$.org$apache$spark$deploy$SparkSubmit$$runMain(SparkSubmit.scala:729)
at org.apache.spark.deploy.SparkSubmit$.doRunMain$1(SparkSubmit.scala:185)
at org.apache.spark.deploy.SparkSubmit$.submit(SparkSubmit.scala:210)
at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:124)
at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)

我的问题是：
“kafka://KAFKA_HOST”指的是什么
我应该如何解决这个问题？

提前谢谢！

Answer 1

Spark 2.0还不支持Kafka作为无限数据帧/集的来源。计划在2.1 中添加支持

编辑：（6.12.2016）

Kafka 0.10现已在Spark 2.0.2:中得到正式支持

val ds1 = spark
  .readStream
  .format("kafka")
  .option("kafka.bootstrap.servers", "host1:port1,host2:port2")
  .option("subscribe", "topic1")
  .load()
ds1
  .selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)")
  .as[(String, String)]