Apache spark 3个节点cassandra，其中一个是spark master-用于解决地理空间数据或地理数据

我正在寻找方向：

我有一个带有经纬度数据的卡桑德拉数据库。我需要搜索半径内的数据或点周围的框坐标。我正在使用golang（gocql）客户端查询Cassandra

我需要一些关于Spark和Cassandra的理解，因为这是一条路要走

以下假设是否正确；我有2个Cassandra节点（数据在2的副本中）

然后我是否应该安装一个额外的节点，并在此节点上安装Spark，然后将其连接到包含数据的其他两个现有Cassandra节点（使用DataStax的Spark连接器）

现有的两个Cassandra节点是否需要安装Spark workers才能使用Spark主节点

Spark设置就绪后，您是否查询（Scala）现有数据，然后将数据保存到Spark节点，然后使用gaoling（gocql）客户端进行查询

欢迎指路

---

提前感谢

地理空间搜索是一个非常深入的话题。如果它只是做你想要的搜索（不是批量/分析），我可以告诉你，你可能不想使用Spark。Spark不擅长“搜索”数据——即使是地理空间数据。主要原因是Spark不会为高效搜索的数据编制索引，每次您想要进行搜索时都必须创建作业/上下文（除非使用作业服务器）。当您考虑面向用户的应用程序时间时，这需要花费很长时间

Solr、Elastic Search和DataStax Enterprise Search（我为DataStax工作的免责声明）都能够对Cassandra数据进行box和radius搜索，并且几乎是实时的

不过，为了回答您最初的问题，如果您的大部分分析通常来自Cassandra数据，那么最好在与Cassandra相同的节点上运行Spark以获得数据局部性。好的方面是Spark的扩展非常好，所以如果您发现Spark从Cassandra占用了太多的资源，您可以简单地向外扩展（Cassandra和Spark）

然后我应该安装一个额外的节点并在这个节点上安装Spark吗 将其连接到包含 数据（使用DataStax的火花接头）

Spark是一个集群计算引擎，因此它需要一个节点集群才能正常工作。如果希望它尽可能高效，您需要在所有节点上安装它

现有的两个Cassandra节点是否需要Spark Worker 安装在它们上以使用Spark主节点

我不认为他们“必须”拥有它们，但这对当地人来说是个好主意。academy.datastax.com上有一段非常好的视频，展示了spark cassandra连接器如何将数据从cassandra读取到spark。我想这会为你澄清很多事情：

Spark设置到位后，您是否查询（Scala）现有的 数据，然后将数据保存到Spark节点，然后进行查询 和高陵（gocql）的客户

Spark Cassandra接头可与Cassandra和Spark进行通信。例如，有一些方法saveToCassandra（），可以在处理作业时将数据写回Cassandra。然后你可以像平常一样使用你的客户机

academy.datastax.com上有一些非常好的免费Spark+Cassandra教程。这也是一个很好的起点：