Kafka Consumer for Spark escrito en Scala para Kafka API 0.10: deserializador AVRO personalizado

apache-spark apache-kafka

Question

Estoy actualizando mi API de Kafka de la aplicación Spark Scala a la v. 0.10. Solía ​​crear un método personalizado para la deserialización del mensaje que viene en formato de cadena de bytes.

Me he dado cuenta de que hay una forma de pasar StringDeserializer o ByteArrayDeserializer como parámetro a cualquier clave o valor.

Sin embargo, no puedo encontrar ninguna información sobre cómo crear un deserializador de esquemas Avro personalizado para que kafkaStream pueda usarlo cuando creoDirectStream y consumo datos de Kafka.

¿Es posible?

Answer 1

Es posible. Deserializer<T> sobrescribir la Deserializer<T> definida en org.apache.kafka.common.serialization y debe apuntar key.deserializer o value.deserializer a su clase personalizada a través de la clase ConsumerStrategy[K, V] que contiene el Kafka parámetros. Por ejemplo:

import org.apache.kafka.common.serialization.Deserializer

class AvroDeserializer extends Deserializer[Array[Byte]] {
  override def configure(map: util.Map[String, _], b: Boolean): Unit = ???
  override def close(): Unit = ???
  override def deserialize(s: String, bytes: Array[Byte]): Array[Byte] = ???
}

Y entonces:

import org.apache.kafka.clients.consumer.ConsumerRecord
import org.apache.kafka.common.serialization.StringDeserializer
import org.apache.spark.streaming.kafka010._
import org.apache.spark.streaming.kafka010.LocationStrategies.PreferConsistent
import org.apache.spark.streaming.kafka010.ConsumerStrategies.Subscribe
import my.location.with.AvroDeserializer

val ssc: StreamingContext = ???
val kafkaParams = Map[String, Object](
  "bootstrap.servers" -> "localhost:9092,anotherhost:9092",
  "key.deserializer" -> classOf[StringDeserializer],
  "value.deserializer" -> classOf[AvroDeserializer],
  "group.id" -> "use_a_separate_group_id_for_each_stream",
  "auto.offset.reset" -> "latest",
  "enable.auto.commit" -> (false: java.lang.Boolean)
)

val topics = Array("sometopic")
val stream = KafkaUtils.createDirectStream[String, MyTypeWithAvroDeserializer](
  ssc,
  PreferConsistent,
  Subscribe[String, String](topics, kafkaParams)
)