添加新行时，如何将一个csv文件的writeStream写入控制台作为接收​​器？

编程问答 2022-06-11

问题描述

我试图每5分钟读取一次csv文件，并将少于5分钟前添加的所有新行输出到另一个csv文件。我认为，当我手动将新的一行数据添加到csv文件中时，一个不错的垫脚石是readStream一个csv文件和writeStream到控制台以打印出文件内容。问题是只有在我将一个全新的csv文件插入目录时，控制台才会打印。

每当将新行添加到csv文件时如何打印？

这是我的目录布局：

  • stream_script2.py（下面的代码）
  • csv_files
    • unit_testing.csv 
from pyspark.sql import SparkSession
from pyspark.sql.types import (  
    StringType,IntegerType,StructType,StructField,TimestampType,BooleanType,DateType,)

# Create SparkSession
spark = (
    SparkSession.builder.appName("streaming")
    .master("local[*]")
    .getOrCreate()
)

# Made Schema
schema = StructType(
    [
        StructField("Drug_Name",StringType(),True),StructField("Count",IntegerType(),StructField("Faulty",BooleanType(),]
)
# Read Stream
df = (
    spark.readStream.option("sep",";")
    .schema(schema)
    .format("csv")
    .load("csv_files/unit_testing*.csv")
)

# Write Stream
query = df.writeStream
    .format("console")
    .outputMode("append")
    .queryName("test1")
    .start()

query.awaitTermination()

# Ctrl-C to stop stream

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

csvcsvrowspark-structured-streaming