我们正在使用datastax spark connector计算一些统计数据。 重复的查询在每次执行时都会返回不同的结果。
背景:我们有约。 3节点cassandra集群中的112K记录。该表具有名为UUID
的单个分区键guid
列,没有聚类键列。
这是我定义的简单guid
提取器来检查损失:
val guids = sc.cassandraTable[UUID]("keyspace","contracts").select("guid")
接下来,我多次多次将数据提取到本地馆藏
val gss = List.fill(20)(Set(guids.collect():_*))
val gsall = gss reduce (_ | _)
val lost = gss map (gsall &~ _ size)
结果lost
为List(5970, 7067, 6926, 6683, 5807, 7901, 7005, 6420, 6911, 6876, 7038, 7914, 6562, 6576, 6937, 7116, 7374, 6836, 7272, 7312)
所以我们每个查询都有6,17±0,47%
个数据丢失
这可能是cassandra,spark或连接器的问题吗?在每种情况下 - 是否存在一些防止这种情况的配置方式?
答案 0 :(得分:4)
我读过some docs并了解到可以而且应该为这种情况设定阅读能力水平。 宣布后
implicit val readConf = ReadConf.fromSparkConf(sc.getConf).copy(
consistencyLevel = ConsistencyLevel.ALL)
我得到了稳定的结果。