通过火花流读取cassandra table时如何在"Where"子句中设置变量?

How to set variables in "Where" clause when reading cassandra table by spark streaming?

我正在使用 Spark Streaming 和 Cassandra 做一些统计。当通过 spark-cassandra-connector 读取 cassandra tables 并通过 ConstantInputDStream 将 cassandra 行 RDD 转换为 DStreamRDD 时,where 子句中的 "CurrentDate" 变量仍然保持在程序启动的同一天。

目的是按某些维度分析截至当前日期的总分,但现在代码 运行s 分析只到它开始 运行ning 的那一天。我运行2019-05-25的代码和之后插入table的数据都收不进去了

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())
    }
  }
}

Table 在此演示中使用如下:

    CREATE TABLE test.test_table (
       code text PRIMARY KEY, //UUID
       date text, // '20190520'
       time text, // '12:00:00'
       score int); // 90

感谢任何帮助!

一般来说,Spark Cassandra Connector 返回的 RDD 不是流式 RDD - Cassandra 中没有这样的功能,可以订阅更改提要并对其进行分析。您可以通过显式循环和获取数据来实现类似的功能,但这需要仔细设计表,但如果不更深入地研究延迟、数据量等要求,就很难说些什么。