spark streaming连接kafka引发"partition.assignment.strategy"异常处理

服务器运行环境：Spark 2.4.4 + scall 2.11.12 + Kafka 2.2.2

由于业务相对简单，kafka只有固定topics，所以一直使用下面脚本执行实时流计算

spark-submit --packages org.apache.spark:spark-streaming-kafka-0-8_2.11:2.4.4 --py-files /data/service/xxx.zip /data/service/xxx.py

代码中使用pyspark.streaming.kafka的KafkaUtils来创建spark streaming与kafka的连接，运行了好长时间都没有出现过问题

随着新业务接入，在新功能中kafka需要使用动态topics方式，要用到正则表达式，查了KafkaUtils源码和相关资料，发现它不支持动态topics方式，需要使用spark-streaming-kafka-0-10才能支持

查看文档http://spark.apache.org/docs/latest/structured-streaming-programming-guide.html 与 http://spark.apache.org/docs/latest/structured-streaming-kafka-integration.html 后，使用结构化流structured-streaming来实现

实现代码：

import sysfrom pyspark.sql import SparkSessiondef process_row(row):    # Write row to storage     passif __name__ == "__main__":    if len(sys.argv) != 4:        print("""         Usage: structured_kafka_wordcount.py           """, file=sys.stderr)         sys.exit(-1)     bootstrapServers = sys.argv[1]     subscribeType = sys.argv[2]     topics = sys.argv[3]     spark = SparkSession\         .builder\         .appName("StructuredKafkaWordCount")\         .getOrCreate()    # Create DataSet representing the stream of input lines from kafka     ds = spark\         .readStream\         .format("kafka")\         .option("kafka.bootstrap.servers", bootstrapServers)\         .option(subscribeType, topics)\         .load()\         .selectExpr("CAST(value AS STRING)")     ds.printSchema()     query = ds.writeStream.foreach(process_row).start()     query.awaitTermination()

执行提交任务命令

spark-submit --packages org.apache.spark:spark-sql-kafka-0-10_2.11:2.4.4 /data/service/demo.py master:9092 subscribePattern event.log.*

提交后一直报下面错误

org.apache.kafka.common.config.ConfigException:  Missing required configuration "partition.assignment.strategy" which has no default value

查了好多资料，都说需要添加参数，配置Kafka分区分配策略，并将readStream修改为：

ds = spark\         .readStream\         .format("kafka")\         .option("kafka.bootstrap.servers", bootstrapServers)\         .option("kafka.partition.assignment.strategy", "range")\         .option(subscribeType, topics)\         .load()

再次运行异常信息改为无法连接kafka了，弄了整整一天人都快崩溃了还没搞定

还好最终查找https://xbuba.com/questions/44959483，大牛提示说有可能是kafka0.8版本的jar与kafka0.10的jar冲突原因造成的

使用命令查找

find / -name 'spark-streaming-kafka*' find / -name 'spark-sql-kafka*'

发现在/root/.ivy2/cache/org.apache.spark/ 目录下面存在spark-streaming-kafka-0-8_2.11 与 spark-sql-kafka-0-10_2.11 文件夹和相关的jar文件

将spark-streaming-kafka-0-8_2.11删除后执行代码就正常运行了

由于老脚本用的还是kafka0.8，为了兼容两个版本能同时运行，需要将/root/.ivy2/cache/org.apache.spark/ 目录下面kafka0.8与kafka0.10两个版本的jar全部清除

然后登录https://repo1.maven.org/maven2/org/apache/spark/ 下载spark-streaming-kafka-0-8与spark-sql-kafka-0-10对应的jar下来，并将提交命令spark-submit的参数改为：

spark-submit --jars /data/service/spark-streaming-kafka-0-8-assembly_2.11-2.4.4.jar --py-files /data/service/xxx.zip /data/service/xxx.py spark-submit --jars /data/service/spark-sql-kafka-0-10_2.11-2.4.4.jar /data/service/demo.py master:9092 subscribePattern event.log.*

修改后两个脚本运行都没有问题（PS：老脚本原想直接用org.apache.spark:spark-sql-kafka-0-10_2.11:2.4.4包来启动，执行后直接暴错，提示说要改为org.apache.spark:spark-streaming-kafka-0-8_2.11:2.4.4才行）

Spark

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。