我正在用spark流媒体和cassandra做一些统计。当通过spark cassandra连接器读取cassandra表并通过constantinputdstream将cassandra行rdd转换为数据流rdd时,where子句中的“currentdate”变量仍然与程序启动的日期保持相同。
其目的是按某些维度分析到当前日期的总分,但现在代码只运行到开始运行的那一天。我在2019-05-25运行代码,之后插入表中的数据无法接收。
我使用的代码如下:
class TestJob extends Serializable {
def test(ssc : StreamingContext) : Unit={
val readTableRdd = ssc.cassandraTable(Configurations.getInstance().keySpace1,Constants.testTable)
.select(
"code",
"date",
"time",
"score"
).where("date<= ?",new Utils().getCurrentDate())
val DStreamRdd = new ConstantInputDStream(ssc,readTableRdd)
DStreamRdd.foreachRDD{r=>
//DO SOMETHING
}
}
}
object GetSSC extends Serializable {
def getSSC() : StreamingContext ={
val conf = new SparkConf()
.setMaster(Configurations.getInstance().sparkHost)
.setAppName(Configurations.getInstance().appName)
.set("spark.cassandra.connection.host", Configurations.getInstance().casHost)
.set("spark.cleaner.ttl", "3600")
.set("spark.default.parallelism","3")
.set("spark.ui.port","5050")
.set("spark.serializer","org.apache.spark.serializer.KryoSerializer")
val sc = new SparkContext(conf)
sc.setLogLevel("WARN")
@transient lazy val ssc = new StreamingContext(sc,Seconds(30))
ssc
}
}
object Main {
val logger : Log = LogFactory.getLog(Main.getClass)
def main(args : Array[String]) : Unit={
val ssc = GetSSC.getSSC()
try{
new TestJob().test(ssc)
ssc.start()
ssc.awaitTermination()
}catch {
case e : Exception =>
logger.error(Main.getClass.getSimpleName+"error :
"+e.printStackTrace())
}
}
}
此演示中使用的表如下:
CREATE TABLE test.test_table (
code text PRIMARY KEY, //UUID
date text, // '20190520'
time text, // '12:00:00'
score int); // 90
感谢您的帮助!
1条答案
按热度按时间qzlgjiam1#
一般来说,spark cassandra connector返回的RDD不是流式RDD—cassandra中没有允许订阅更改提要并对其进行分析的功能。您可以通过显式循环和获取数据来实现这样的功能,但是这需要对表进行仔细的设计,但是如果不深入研究延迟、数据量等方面的需求,就很难说什么了。