如何在spark streaming读取cassandra表时在where子句中设置变量?

v440hwme  于 2021-06-14  发布在  Cassandra
关注(0)|答案(1)|浏览(314)

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!

qzlgjiam

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。

相关问题