SparkStream实践 ,Partition打印length时的误区

本文探讨了使用Spark Streaming消费Kafka数据时遇到的一个奇特现象:在遍历分区时,直接打印分区长度会导致数据被消费,进而影响后续的foreach操作。这一现象值得深入研究和注意。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

val stream = KafkaUtils.createDirectStream[String, String](ssc, PreferConsistent, Subscribe[String, String](topic, kafkaParam))
stream.foreachRDD(rdd => {
  rdd.foreachPartition(partitionOfRecords => {
    println("打印分区的长度:"+partitionOfRecords.length)
    partitionOfRecords.foreach(record => {
      val records = record.value().split("\t")
    })
  })
})

如代码所示,SparkStream消费Kafka时,在遍历分区(partitionOfRecords ),如果直接打印分区(partitionOfRecords )长度

其内部的数据同时会这被消费掉。以至于把foreach时遍历不出来。这是一个很奇怪的现像。值得大家引起重视

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值