我有一个扫描表，其中包含1亿生产记录的要求。搜索将在第一个聚类键上进行。其要求是在第一个簇密钥与一个条件匹配的情况下找到唯一的分区密钥。该表如下所示-
employeeid，companyname，lastdateloggedin，FloorListed，swipetimestamp
分区密钥-employeeid群集密钥-公司名称，lastdateloggedin
我想获得select distinct（employeeid），company，swipitemestamp，其中companyname='xyz'。这是我想从表中获取的内容的sql表示。

SparkConf conf = new SparkConf().set("spark.cassandra.connection.enabled", "true")
            .set("spark.cassandra.auth.username", "XXXXXXXXXX")
            .set("spark.cassandra.auth.password", "XXXXXXXXX")
            .set("spark.cassandra.connection.host", "hostname")
            .set("spark.cassandra.connection.port", "29042")
            .set("spark.cassandra.connection.factory", ConnectionFactory.class)
            .set("spark.cassandra.connection.cluster_name", "ZZZZ")
            .set("spark.cassandra.connection.application_name", "ABC")
            .set("spark.cassandra.connection.local_dc", "DC1")
            .set("spark.cassandra.connection.cachedClusterFile", "/tmp/xyz/test.json")
            .set("spark.cassandra.connection.ssl.enabled", "true")
            .set("spark.cassandra.input.fetch.size_in_rows","10000") //
            .set("spark.driver.allowMultipleContexts","true")
            .set("spark.cassandra.connection.ssl.trustStore.path", "sampleabc-spark-util/src/main/resources/x.jks")
            .set("spark.cassandra.connection.ssl.trustStore.password", "cassandrasam");

 CassandraJavaRDD<CassandraRow> ctable = javaFunctions(jsc).cassandraTable("keyspacename", "employeedetails").
            select("employeeid", "companyname","swipetimestamp").where("companyname= ?","XYZ");
 List<CassandraRow> cassandraRows = ctable.distinct().collect();

这段代码在非生产环境下运行，有近500万个数据。由于这是生产，我想谨慎处理这个问题。问题-
我的sparkconf中应该有什么配置？
spark的工作会不会因为table太大而降低db？
运行该作业可能会使cassandra在那一刻缺少线程？