我使用 Datastax Enterprise 4.5。我希望我的配置是正确的,就像在 datastax 网站上解释的那样。我可以使用 Windows 服务写入 Cassandra DB,这可行,但我无法使用 where 函数使用 Spark 进行查询。
我使用“./dse cassandra -k -t”(在 /bin 文件夹中)启动 Cassandra 节点(只有一个用于测试目的),因此 hadoop 和 spark 都在运行。我可以毫无问题地写入 Cassandra。
因此,当“where”不是 RowKey 时,您不能在 Cassandra 查询中使用“where”子句。所以我需要使用 Spark/Shark。我可以使用鲨鱼 (./dse shark) 启动和使用我需要的所有查询,但我需要用 Scala 或 Java 编写独立程序。
所以我尝试了这个链接:https ://github.com/datastax/spark-cassandra-connector
我可以查询一个简单的语句,例如:
val conf = new SparkConf(true)
.set("spark.cassandra.connection.host", "MY_IP")
.setMaster("spark://MY_IP:7077")
.setAppName("SparkTest")
// Connect to the Spark cluster:
lazy val sc = new SparkContext(conf)
val rdd = sc.cassandraTable("keyspace", "tablename")
println(rdd.first)
这很好用,但如果我要求更多行或计数:
println(rdd.count)
rdd.toArray.foreach(println)
然后我得到这个异常:
Exception in thread "main" org.apache.spark.SparkException: Job aborted due to stage failure: All masters are unresponsive! Giving up.
at org.apache.spark.scheduler.DAGScheduler.org$apache$spark$scheduler$DAGScheduler$$failJobAndIndependentStages(DAGScheduler.scala:1049)
at org.apache.spark.scheduler.DAGScheduler$$anonfun$abortStage$1.apply(DAGScheduler.scala:1033)
at org.apache.spark.scheduler.DAGScheduler$$anonfun$abortStage$1.apply(DAGScheduler.scala:1031)
at scala.collection.mutable.ResizableArray$class.foreach(ResizableArray.scala:59)
at scala.collection.mutable.ArrayBuffer.foreach(ArrayBuffer.scala:47)
at org.apache.spark.scheduler.DAGScheduler.abortStage(DAGScheduler.scala:1031)
at org.apache.spark.scheduler.DAGScheduler$$anonfun$handleTaskSetFailed$1.apply(DAGScheduler.scala:635)
at org.apache.spark.scheduler.DAGScheduler$$anonfun$handleTaskSetFailed$1.apply(DAGScheduler.scala:635)
at scala.Option.foreach(Option.scala:236)
at org.apache.spark.scheduler.DAGScheduler.handleTaskSetFailed(DAGScheduler.scala:635)
at org.apache.spark.scheduler.DAGSchedulerEventProcessActor$$anonfun$receive$2.applyOrElse(DAGScheduler.scala:1234)
at akka.actor.ActorCell.receiveMessage(ActorCell.scala:498)
at akka.actor.ActorCell.invoke(ActorCell.scala:456)
at akka.dispatch.Mailbox.processMailbox(Mailbox.scala:237)
at akka.dispatch.Mailbox.run(Mailbox.scala:219)
at akka.dispatch.ForkJoinExecutorConfigurator$AkkaForkJoinTask.exec(AbstractDispatcher.scala:386)
at scala.concurrent.forkjoin.ForkJoinTask.doExec(ForkJoinTask.java:260)
at scala.concurrent.forkjoin.ForkJoinPool$WorkQueue.runTask(ForkJoinPool.java:1339)
at scala.concurrent.forkjoin.ForkJoinPool.runWorker(ForkJoinPool.java:1979)
at scala.concurrent.forkjoin.ForkJoinWorkerThread.run(ForkJoinWorkerThread.java:107)
当我在 Java 中尝试这个时,我遇到了同样的问题。有谁知道这个问题?我不知道数据库配置是否正确,或者 scala/Javaprogram 是否正常工作。也许某些端口 a 被阻止,但 7077 和 4040 是开放的。
旁注:如果我在 Cassandra DB 上启动 spark,我可以执行以下查询:
sc.cassandraTable("test","words").select("word").toArray.foreach(println)
但是,如果我使用“where”子句,例如:
sc.cassandraTable("test","words").select("word").where("word = ?","foo").toArray.foreach(println)
我得到这个例外:
java.io.IOException: Exception during query execution: SELECT "word" FROM "test"."words" WHERE token("word") > 0 AND word = ? ALLOW FILTERING
你有什么想法吗?我以为我可以在 spark 中使用 where 子句?
谢谢!