Hadoop Spark Streaming-HBase批量加载

我目前正在使用Python将CSV数据批量加载到HBase表中，并且我目前在使用

saveAsNewAPIHadoopFile

我的代码目前如下所示：

def csv_to_key_value(row):
    cols = row.split(",")
    result = ((cols[0], [cols[0], "f1", "c1", cols[1]]),
              (cols[0], [cols[0], "f2", "c2", cols[2]]),
              (cols[0], [cols[0], "f3", "c3", cols[3]]))
    return result

def bulk_load(rdd):
    conf = {#Ommitted to simplify}

    keyConv = "org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter"
    valueConv = "org.apache.spark.examples.pythonconverters.StringListToPutConverter"

    load_rdd = rdd.flatMap(lambda line: line.split("\n"))\
                  .flatMap(csv_to_key_value)
    if not load_rdd.isEmpty():
        load_rdd.saveAsNewAPIHadoopFile("file:///tmp/hfiles" + startTime,
                                        "org.apache.hadoop.hbase.mapreduce.HFileOutputFormat2",
                                        conf=conf,
                                        keyConverter=keyConv,
                                        valueConverter=valueConv)
    else:
        print("Nothing to process")

运行此代码时，出现以下错误：

java.io.IOException：添加了一个在词汇上不大于上一个的键。当前单元格=10/f1:c1/1453891407213/Minimum/vlen=1/seqid=0，lastCell=/f1:c1/1453891407212/Minimum/vlen=1/seqid=0位于org.apache.hadoop.hbase.io.hfile.AbstractHFileWriter.checkKey（AbstractHFileWriter.java:204）

由于错误表明键是问题所在，我从RDD中获取了元素，它们如下所示（为可读性而格式化）

这与我的CSV非常匹配，顺序正确。据我所知，在HBase中，键由{row，family，timestamp}定义。行和族的组合是唯一的，对于我的数据中的所有条目都是单调递增的，我无法控制时间戳（这是我能想象到的唯一问题）

---

有谁能建议我如何避免/防止这些问题吗？

这只是我的一个愚蠢的错误，我觉得有点愚蠢。按字典顺序，顺序应该是1，10，2，3。。。8, 9. 确保装载前正确订购的最简单方法是：

rdd.sortByKey(true);

我希望我至少能挽救一个人的头痛

 (u'9', [u'9', 'f1', 'c1', u'I']),
 (u'9', [u'9', 'f2', 'c2', u'3C']),
 (u'9', [u'9', 'f3', 'c3', u'2']),
 (u'10', [u'10', 'f1', 'c1', u'J']),
 (u'10', [u'10', 'f2', 'c2', u'1A']),
 (u'10', [u'10', 'f3', 'c3', u'1'])]

rdd.sortByKey(true);