要捕捉SQL流量的Apache Spark指标，可以使用Spark的性能监控工具和Spark的内置指标。

一种解决方法是使用Spark自带的性能监控工具，如Spark Web UI和Spark History Server。

首先，启动Spark应用程序并选择一个可用的端口，例如8080。然后，可以通过以下代码将Spark应用程序与Spark的性能监控工具绑定在一起：

// 导入SparkSession和SparkConf类
import org.apache.spark.sql.SparkSession
import org.apache.spark.SparkConf

// 创建SparkConf对象
val conf = new SparkConf()
  .setAppName("MySparkApp")
  .setMaster("local[2]")

// 创建SparkSession对象
val spark = SparkSession.builder()
  .config(conf)
  .getOrCreate()

// 将SparkSession与Spark性能监控工具绑定
spark.sparkContext.setJobGroup("MySparkApp", "MySparkApp")
spark.sparkContext.uiWebUrl.foreach(url => println(s"SparkUI: $url"))

// 执行SQL查询操作
val df = spark.sql("SELECT * FROM table")

// 停止SparkSession
spark.stop()

在上面的代码中，首先创建了一个SparkConf对象来配置Spark应用程序的属性。然后，创建了一个SparkSession对象，将SparkConf对象传递给它。接下来，使用spark.sparkContext.setJobGroup()方法将SparkSession与Spark性能监控工具绑定在一起。最后，使用spark.sql()方法执行SQL查询操作。

通过运行上面的代码，可以在控制台上看到SparkUI的URL。在浏览器中打开该URL，可以查看Spark Web UI，并监控SQL流量的指标，如读取的字节数（bytesRead）和写入的字节数（bytesWritten）。

另一种解决方法是使用Spark的内置指标来捕捉SQL流量的指标，如读取的字节数（bytesRead）和写入的字节数（bytesWritten）。

// 导入SparkSession和SparkConf类
import org.apache.spark.sql.SparkSession
import org.apache.spark.SparkConf

// 创建SparkConf对象
val conf = new SparkConf()
  .setAppName("MySparkApp")
  .setMaster("local[2]")

// 创建SparkSession对象
val spark = SparkSession.builder()
  .config(conf)
  .getOrCreate()

// 执行SQL查询操作
val df = spark.sql("SELECT * FROM table")

// 获取SQL流量的指标
val bytesRead = spark.sparkContext.getExecutorMetrics().map(_.get("bytesRead")).sum
val bytesWritten = spark.sparkContext.getExecutorMetrics().map(_.get("bytesWritten")).sum

// 输出SQL流量的指标
println(s"Bytes Read: $bytesRead")
println(s"Bytes Written: $bytesWritten")

// 停止SparkSession
spark.stop()

在上面的代码中，通过使用spark.sparkContext.getExecutorMetrics()方法获取Spark执行器的指标，然后使用map()和sum()方法计算读取的字节数和写入的字节数。最后，通过打印输出来显示SQL流量的指标。

无论使用哪种方法，都可以捕捉SQL流量的Apache Spark指标，如读取的字节数（bytesRead）和写入的字节数（bytesWritten）。