尝试使用spark结构化流来消耗kafka流

Question

我是Kafka流媒体的新手。我使用python设置了一个twitter监听器，它运行在localhost:9092kafka服务器中。我可以使用kafka客户端工具（conduktor）并使用命令“bin/kafka-console-consumer.sh--bootstrap-server localhost:9092-topic twitter--from-begind”来使用侦听器生成的流，但是当我尝试使用Spark结构化流来使用相同的流时，它没有捕获并抛出错误-未能找到数据源：kafka。请按照“结构化流媒体+Kafka集成指南”的部署部分部署应用程序。；找到下面的截图

1. 命令输出-消耗数据
2. spark使用者的Jupyter输出-不消耗数据

我的生产者或监听器代码：

auth = tweepy.OAuthHandler("**********", "*************")
auth.set_access_token("*************", "***********************")
# session.set('request_token', auth.request_token)
api = tweepy.API(auth)
class KafkaPushListener(StreamListener):          
    def __init__(self):
        #localhost:9092 = Default Zookeeper Producer Host and Port Adresses
        self.client = pykafka.KafkaClient("0.0.0.0:9092")

    #Get Producer that has topic name is Twitter
        self.producer = self.client.topics[bytes("twitter", "ascii")].get_producer()

    def on_data(self, data):
        #Producer produces data for consumer
        #Data comes from Twitter
        self.producer.produce(bytes(data, "ascii"))
        return True

    def on_error(self, status):
        print(status)
        return True
twitter_stream = Stream(auth, KafkaPushListener())
twitter_stream.filter(track=['#fashion'])

用户从Spark结构化流访问

df = spark \
  .readStream \
  .format("kafka") \
  .option("kafka.bootstrap.servers", "localhost:9092") \
  .option("subscribe", "twitter") \
  .load()
df.selectExpr("CAST(key AS STRING)", "CAST(value AS STRING)")

Answer 1

当我提交spark-job时，我必须包含正确的依赖项包版本。我有spark 3.0.0，因此，我包含了-org.apache.spark:spark-sql-kafka-0-102.12:3.0.0包