Разница в выводе потоковой передачи Spark и Spark для одного и того же задания

Я делаю некоторые POC с потоковой передачей Spark и Spark для своего проекта. Итак, все, что я делаю, это читаю имя файла из Topic. Скачивание файла из src/main/sresource и запуск обычного частотного приложения WordCount.

 
@KafkaListener(topics = Constants.ABCWordTopic, groupId = Constants.ABC_WORD_COMSUMER_GROUP_ID) 
public void processTask(@Payload String fileResourcePath) {
        log.info("ABC Receiving task from WordProducer filepath {} at time {}", fileResourcePath,
                LocalDateTime.now());
        // Spark job
        /*
         * JavaRDD wordRDD =
         * sparkContext.parallelize(Arrays.asList(extractFile(fileResourcePath).split(" ")));
         * log.info("ABC Map Contents : {}", wordRDD.countByValue().toString());
         * wordRDD.coalesce(1,
         * true).saveAsTextFile("ResultSparklog_"+ System.currentTimeMillis());
         */
        // Spark Streaming job
        JavaPairDStream wordPairStream = streamingContext
                .textFileStream(extractFile(fileResourcePath))
                .flatMap(line -> Arrays.asList(SPACE.split(line)).iterator())
                .mapToPair(s -> new Tuple2(s, 1)).reduceByKey((i1, i2) -> i1 + i2);
        wordPairStream.foreachRDD(wordRDD -> {
        //  javaFunctions(wordTempRDD).writerBuilder("vocabulary", "words", mapToRow(String.class))
        //                  .saveToCassandra();
            log.info("ABC Map Contents : {}", wordRDD.keys().countByValue().toString());
            wordRDD.coalesce(1, true)
                    .saveAsTextFile("SparkStreamResultlog_" + System.currentTimeMillis());
        });
        streamingContext.start();
        try {
            streamingContext.awaitTerminationOrTimeout(-1);
        } catch (InterruptedException e) {
            log.error("Terminated streaming context {}", e);
        }
    }

• В приведенном выше коде я слушаю тему Kafka (ABCtopic) и обрабатываю ее. Код с комментариями задания Spark работает отлично. Он подсчитывает слово и выдает ожидаемые результаты, однако код задания потоковой передачи искры ведет себя не так, как ожидалось, и выводит значение null.
  
• Строка log.info("ABC Map Contents : {}", wordRDD.keys().countByValue().toString()); дает '{}' в качестве вывода. Запись в файл пуста. Будучи новичком в потоковой передаче Spark из того, что мало известно, потоковая передача Spark — это дополнительная библиотека для непрерывной обработки данных в режиме реального времени из любого источника, такого как файл, тема и т. д.
  
• Чего не хватает в приведенном выше коде для потоковой передачи искры для вывода «null» в выделенной строке журнала, а также в выходном файле данных, который записывается на диск, тогда как задание Spark отлично выполняет ту же работу.