Apache spark Spark Cassandra连接器未将所有记录添加到数据库
我使用的版本是:com.datastax.spark:spark-cassandra-connector_2.11:2.0.0-M3 我有一个卡夫卡流的RDD:Apache spark Spark Cassandra连接器未将所有记录添加到数据库,apache-spark,apache-zeppelin,spark-cassandra-connector,Apache Spark,Apache Zeppelin,Spark Cassandra Connector,我使用的版本是:com.datastax.spark:spark-cassandra-connector_2.11:2.0.0-M3 我有一个卡夫卡流的RDD: kafkaStream.foreachRDD((rdd: RDD[String]) => { if(rdd.count > 0) { println(java.time.LocalDateTime.now + ". Consumed: " + rdd.count() + " messages."); s
kafkaStream.foreachRDD((rdd: RDD[String]) => {
if(rdd.count > 0) {
println(java.time.LocalDateTime.now + ". Consumed: " + rdd.count() + " messages.");
sqlContext.read.json(rdd)
.select("count_metadata.tran_id")
.write
.format("org.apache.spark.sql.cassandra")
.options(Map("table" -> "tmp", "keyspace" -> "kspace"))
.mode(SaveMode.Append)
.save();
} else {
println(java.time.LocalDateTime.now + ". There are currently no messages on the topic that haven't been consumed.");
}
});
RDD计数约为40K,但spark connector仅使用一致的457条记录填充数据库
sqlContext.read.json(rdd).select("count_metadata.tran_id").count
还可以打印40k条记录
以下是我的表格声明:
cqlsh:kspace> CREATE TABLE tmp(tran_id text PRIMARY KEY);
每个消息的传输id都是唯一的
我错过了什么?为什么不是所有的4万张唱片都能登上那张桌子
我的日志也没有显示任何异常
每个消息的传输id都是唯一的
我撒谎说:
println(df.distinct.count);
印刷品
457
是时候把它带到我们的上游源头了