我建议你使用下面的方法，来源于拉塞尔·斯皮策的博客
使用部分扫描的联合来手动划分分区：将任务推送到最终用户也是一种可能性（以及当前的解决方法）。大多数最终用户已经理解了为什么他们有长分区，并且知道他们的列值所在的域。这使得他们可以手动划分一个请求，这样它就可以分割大的分区。
例如，假设用户知道聚类列c的跨度从1到1000000。他们可以写这样的代码

val minRange = 0
val maxRange = 1000000
val numSplits = 10
val subSize = (maxRange - minRange) / numSplits

sc.union(
  (minRange to maxRange by subSize)
    .map(start => 
      sc.cassandraTable("ks", "tab")
        .where("c > $start and c < ${start + subSize}"))
)

每个rdd将包含一组唯一的任务，这些任务只绘制完整分区的一部分。union操作将所有这些不同的任务连接到一个rdd中。任何单个spark分区从单个cassandra分区提取的最大行数将限制为maxrange/numsplits。这种方法虽然需要用户干预，但可以保持局部性，并且仍然可以最小化磁盘扇区之间的跳转。
同时读取调谐参数