Question

在Spark中，我有一个固定顺序的数据框：

agg_id,agg_key,agg_val,req_num,clk_num

当我在cassandra中创建相似的表时，未保留非关键列的顺序：

CREATE TABLE mytable (
   agg_id int,
   agg_key int,
   agg_val text,
   req_num bigint,
   clk_num bigint,
 PRIMARY KEY ((agg_id,agg_key), agg_val )
) WITH CLUSTERING ORDER BY (agg_val asc)

因此，当我运行desc mytable时，它会向我显示错误的顺序（先显示clk_num，然后再输入req_num）

因此，当以下代码运行时，数据插入顺序错误

ds.write
  .format("org.apache.spark.sql.cassandra")
  .options(Map(
    "keyspace" -> "online_aggregation",
    "table" -> cassOutTable) )
  .mode(SaveMode.Append)
  .save

我的问题是如何在此处设置列名称？我可以在“地图”选项中添加一些属性吗？或稍微更改代码，使其可以正常工作。一个限制-DF本身没有更改（可能会输出到多个来源）

Answer 1

只需在写入前按所需顺序选择列

ds
  .select("agg_id", "agg_key", ..., "clk_num")
  .write
  .format("org.apache.spark.sql.cassandra")
  .options(Map(
    "keyspace" -> "online_aggregation",
    "table" -> cassOutTable) )
  .mode(SaveMode.Append)
  .save

如何在Spark Cassandra连接器中设置列顺序

1 个答案: