使用 IN 子句过滤 Spark Cassandra 连接器

Question

我在 java 的 spark cassandra 连接器过滤方面遇到了一些问题。 Cassandra 允许使用 IN 子句按分区键的最后一列进行过滤。例如

create table cf_text
(a varchar,b varchar,c varchar, primary key((a,b),c))

Query : select * from cf_text where a ='asdf' and b in ('af','sd');

sc.cassandraTable("test", "cf_text").where("a = ?", "af").toArray.foreach(println)

我如何指定在spark中的CQL查询中使用的IN子句？如何指定范围查询？

Answer 1

只是想知道，您上面的 Spark 代码是否有效？我认为 Spark 不允许在分区键上使用 WHERE（在您的情况下为 a 和 b），因为它在后台使用它们（请参阅此问题的最后一个答案）： Spark Datastax Java API Select statements

在任何情况下，使用 Cassandra Spark 连接器，您都可以堆叠 WHERE 子句，并且可以使用 List<String>.[=20= 指定 IN ]

List<String> valuesList = new ArrayList<String>();
valuesList.Add("value2");
valuesList.Add("value3");

sc.cassandraTable("test", "cf")
    .where("column1 = ?", "value1")
    .where("column2 IN ?", valuesList)
    .keyBy(new Function<MyCFClass, String>() {
                public String call(MyCFClass _myCF) throws Exception {
                    return _myCF.getId();
                }
            });

请注意，normal rules of using IN with Cassandra/CQL 在这里仍然适用。

范围查询以类似的方式运行：

sc.cassandraTable("test", "person")
    .where("age > ?", "15")
    .where("age < ?", "20")
    .keyBy(new Function<Person, String>() {
                public String call(Person _person) throws Exception {
                    return _person.getPersonid();
                }
            });

使用 IN 子句过滤 Spark Cassandra 连接器

Spark Cassandra connector filtering with IN clause

java

cassandra

apache-spark

cql

spark-cassandra-connector