修改spark-streaming源码，应对kafka数据倾斜

我们知道，kafka数据分区与spark数据分区一一对应，如果kafka数据倾斜，势必造成spark数据倾斜，在spark-streming源码类

DirectKafkaInputDStream中，compute方法中有对每批次数据的任务切分，在这里修改一下源码，限制生成的每个task消费的数据量，也就是说，将kafka中数据量偏多的分区的数据切分成多个task进行消费，实现逻辑如下：主要的改动就是增加一个参数，控制每个task消费的最大的消息条数，如果超过则切分成多个任务。不过修改后有一个问题，就是由于kafka consumer多线程下消费有问题，因此需要关闭spark-streaming的consumer缓存功能。

val offsetRanges = untilOffsets.flatMap { case (tp, uo) =>
  var currentFo = currentOffsets(tp)
  var currentUo = currentFo + maxMessagePerTask
  val offsetRangeArray = new ju.LinkedList[OffsetRange]()
  while (uo > currentUo) {
    val or = OffsetRange(tp.topic(), tp.partition(), currentFo, currentUo)
    offsetRangeArray.add(or)
    currentFo = currentUo
    currentUo = currentFo + maxMessagePerTask
  }
  val or = OffsetRange(tp.topic, tp.partition, currentFo, uo)
  offsetRangeArray.add(or)
  offsetRangeArray.asScala
}