如何在CSV文件中的更新行上运行流查询？
我在一个不断更新的文件夹中有一个csv文件。我需要从这个csv文件中获取输入并生成一些事务。如何从持续更新的csv文件中获取数据，每5分钟一次的话？
我试过以下：
val csvDF = spark
.readStream
.option("sep", ",")
.schema(userSchema)
.csv("file:///home/location/testFiles")
但问题是它是监视文件夹是否创建了任何新文件......但我的问题只是一个不断更新的文件。
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。tl; dr它不起作用。
默认情况下，Spark Structured Streaming监视目录中的文件，并且每个新文件都会触发计算。处理完文件后，将永远不再处理该文件。这是默认实现。
您可以编写自己的流式源，可以监视文件的变化，但这是一个自定义的源开发（在大多数情况下，这是不值得的努力）。
2019-07-17 23:23:01赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
