joinWithCassandraTable（）懒惰吗？

Question

我正在使用Sprak 1.2.1和spark-cassandra-connector：

//join with cassandra
val rdd = some_array.map(x => SomeClass(x._1,x._2)).joinWithCassandraTable(keyspace, some_table)
println(timer, "Join")

//get only the jsons and create rdd temp table
val jsons = rdd.map(_._2.getString("this"))
val jsonSchemaRDD = sqlContext.jsonRDD(jsons)
jsonSchemaRDD.registerTempTable("this_json")
println(timer, "Map")

输出结果为：

Timer "Join"- 558 ms
Timer "Map"- 290284 ms

我猜“joinWithCassandraTable（）”函数是懒惰的，如果有的话，是什么引发了它？

Answer 1

实际上，触发评估的部分是sqlContext.jsonRDD。由于您未提供schema，因此必须具体化jsons才能推断出来。

joinWithCassandraTable有点类似，因为它必须连接到Cassandra并获取所需的元数据。见Apache Spark: Driver (instead of just the Executors) tries to connect to Cassandra