Question

在Spark-2.0中，创建Spark会话的最佳方法是什么。因为在Spark-2.0和Cassandra中，API都经过了重新设计，基本上不赞成使用SqlContext（以及CassandraSqlContext）。因此，为了执行SQL，我创建了一个Cassandra Session (com.datastax.driver.core.Session) and use execute( " ")。或者我必须创建一个SparkSession (org.apache.spark.sql.SparkSession) and execute sql(String sqlText)方法。

我不知道两者的SQL限制 - 有人可以解释。

此外，如果我必须创建SparkSession - 我该怎么做 - 找不到任何合适的例子。随着API的重新设计，旧的例子不起作用。我正在通过这个代码示例 - DataFrames - 不清楚这里使用的是什么sql上下文（这是正确的方法。）（由于某些原因，弃用的API甚至没有编译 - 需要检查我的eclipse设置）

由于

Answer 1

你需要Cassandra Session来创建/删除Cassandra DB的密钥空间和表。在Spark应用程序中，为了创建Cassandra Session，您需要将SparkConf传递给CassandraConnector。在Spark 2.0中你可以像下面这样做。

 SparkSession spark = SparkSession
              .builder()
              .appName("SparkCassandraApp")
              .config("spark.cassandra.connection.host", "localhost")
              .config("spark.cassandra.connection.port", "9042")
              .master("local[2]")
              .getOrCreate();

CassandraConnector connector = CassandraConnector.apply(spark.sparkContext().conf());
Session session = connector.openSession();
session.execute("CREATE TABLE mykeyspace.mytable(id UUID PRIMARY KEY, username TEXT, email TEXT)");

如果您有现有的Dataframe，那么您也可以使用DataFrameFunctions.createCassandraTable(Df)在Cassandra中创建表。请参阅api详细信息here。

您可以使用spark-cassandra-connector提供的api从Cassandra DB中读取数据，如下所示。

Dataset<Row> dataset = spark.read().format("org.apache.spark.sql.cassandra")
            .options(new HashMap<String, String>() {
                {
                    put("keyspace", "mykeyspace");
                    put("table", "mytable");
                }
            }).load();

dataset.show();

您可以使用SparkSession.sql（）方法在由spark cassandra连接器返回的Dataframe上创建的临时表上运行查询，如下所示。

dataset.createOrReplaceTempView("usertable");
Dataset<Row> dataset1 = spark.sql("select * from usertable where username = 'Mat'");
dataset1.show();

用于Cassandra的Spark2会话，sql查询

1 个答案: