Question

我是Cassandra和Spark的新手，并尝试使用spark从数据库中获取数据。我正在使用Java来达到这个目的。问题是没有抛出异常或发生错误但仍然无法获取数据。在下面找到我的代码 -

    SparkConf sparkConf = new SparkConf();
    sparkConf.setAppName("Spark-Cassandra Integration");
    sparkConf.setMaster("local[4]");
    sparkConf.set("spark.cassandra.connection.host", "stagingHost22");
    sparkConf.set("spark.cassandra.connection.port", "9042");

    sparkConf.set("spark.cassandra.connection.timeout_ms", "5000");
    sparkConf.set("spark.cassandra.read.timeout_ms", "200000");


    JavaSparkContext javaSparkContext = new JavaSparkContext(sparkConf);
    String keySpaceName = "testKeySpace";
    String tableName = "testTable";

    CassandraJavaRDD<CassandraRow> cassandraRDD = CassandraJavaUtil.javaFunctions(javaSparkContext).cassandraTable(keySpaceName, tableName);

    final ArrayList dataList = new ArrayList();
    JavaRDD<String> userRDD = cassandraRDD.map(new Function<CassandraRow, String>() {

        private static final long serialVersionUID = -165799649937652815L;


        public String call(CassandraRow row) throws Exception {
            System.out.println("Inside RDD call");
            dataList.add(row);
            return "test";
        }
    });
    System.out.println( "data Size -" + dataList.size());

Cassandra和spark maven依赖是 -

      <dependency>
        <groupId>com.datastax.cassandra</groupId>
        <artifactId>cassandra-driver-core</artifactId>
        <version>3.0.0</version>
    </dependency>

    <dependency>
        <groupId>com.datastax.cassandra</groupId>
        <artifactId>cassandra-driver-mapping</artifactId>
        <version>3.0.0</version>
    </dependency>

    <dependency>
        <groupId>com.datastax.cassandra</groupId>
        <artifactId>cassandra-driver-extras</artifactId>
        <version>3.0.0</version>
    </dependency>
    <dependency>
        <groupId>com.sparkjava</groupId>
        <artifactId>spark-core</artifactId>
        <version>2.5.4</version>
    </dependency>
     <dependency>
        <groupId>com.datastax.spark</groupId>
        <artifactId>spark-cassandra-connector_2.10</artifactId>
        <version>2.0.0-M3</version>
    </dependency>
     <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.10</artifactId>
        <version>1.4.0</version>
    </dependency>

    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql_2.10</artifactId>
        <version>1.3.0</version>
    </dependency>

这确定stagingHost22主机具有带键空间的cassandra数据 - testKeySpace和表名 - testTable。查找以下查询输出 -

cqlsh：testKeySpace＆GT;从testTable中选择count（*）;

计数

34

（1行）

任何人都可以建议我在这里缺少什么？

提前致谢。

热烈的问候，

Vibhav

Answer 1

您当前的代码不执行任何Spark操作。因此，没有加载数据。

请参阅Spark文档以了解Spark中的转换和操作之间的区别： http://spark.apache.org/docs/latest/programming-guide.html#rdd-operations

此外，将CassandraRows添加到ArrayList并不是使用Cassandra连接器时通常需要的东西。我建议先实现一个简单的选择（遵循Spark-Cassandra-Connector文档）。如果这样做，您可以根据需要扩展此代码。

检查以下链接，了解如何使用连接器加载数据：

无法使用spark（java）从Cassandra获取数据

计数

1 个答案: