Nano Hash - криптовалюты, майнинг, программирование

Как преобразовать набор результатов Cassandra в кадр данных Spark?

Обычно я загружаю данные из Cassandra в Apache Spark таким образом, используя Java:

SparkContext sparkContext = StorakleSparkConfig.getSparkContext();

CassandraSQLContext sqlContext = new CassandraSQLContext(sparkContext);
    sqlContext.setKeyspace("midatabase");

DataFrame customers = sqlContext.cassandraSql("SELECT email, first_name, last_name FROM store_customer " +
            "WHERE CAST(store_id as string) = '" + storeId + "'");

Но представьте, что у меня есть шардер, и мне нужно загрузить в этот DataFrame несколько партиционных ключей. Я мог бы использовать WHERE IN (...) в своем запросе и снова использовать метод cassandraSql. Но я немного неохотно использую WHERE IN из-за печально известной проблемы с наличием единственной точки отказа с точки зрения узла координатора. Это объясняется здесь:

https://lostechies.com/ryansvihla/2014/09/22/cassandra-query-patterns-not-using-the-in-query-for-multiple-partitions/

Есть ли способ использовать несколько запросов, но загружать их в один DataFrame?

apache-spark spark-cassandra-connector datastax cassandra-2.0
21.01.2016

Ответы:


1

Одним из способов сделать это будет запуск отдельных запросов и объединение/объединение нескольких DataFrames/RDD.

SparkContext sparkContext = StorakleSparkConfig.getSparkContext();

CassandraSQLContext sqlContext = new CassandraSQLContext(sparkContext);
    sqlContext.setKeyspace("midatabase");

DataFrame customersOne = sqlContext.cassandraSql("SELECT email, first_name, last_name FROM store_customer " + "WHERE CAST(store_id as string) = '" + storeId1 + "'");

DataFrame customersTwo = sqlContext.cassandraSql("SELECT email, first_name, last_name FROM store_customer " + "WHERE CAST(store_id as string) = '" + storeId2 + "'");

DataFrame allCustomers = customersOne.unionAll(CustomersTwo)
21.01.2016
  • Спасибо за ответ! Да, я думал об этом, но не был уверен в влиянии на производительность на стороне Spark. Как вы думаете, есть ли такие? 22.01.2016
  • Союз @MilenKovachev очень эффективен, так как не требует перетасовки. Однако имейте в виду, что это потенциально может удалить ваш раздел. См. здесь: stackoverflow.com/questions/29977526/ 22.01.2016
  • Предполагая, что у меня есть переменное количество ключей, которые мне нужно получить, мне придется запускать запросы в цикле for. Есть ли способ запускать отдельные операторы sqlContext.cassandraSql параллельно? 25.01.2016
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..