在 Java Spark 中,我有一个包含“bucket_timestamp”列的数据框,它表示该行所属的存储桶的时间。
我想将数据帧写入 Cassandra 数据库。必须使用 TTL 将数据写入 DB。 TTL 应取决于存储桶时间戳 - 其中每一行的 TTL 应计算为配置。
目前我正在使用常量 TTL 和 spark 写信给 Cassandra,代码如下:
df.write().format("org.apache.spark.sql.cassandra")
.options(new HashMap<String, String>() {
{
put("keyspace", "key_space_name");
put("table, "table_name");
put("spark.cassandra.output.ttl, Long.toString(CONST_TTL)); // Should be depended on bucket_timestamp column
}
}).mode(SaveMode.Overwrite).save();
我想到的一种可能的方法是 - 对于每个可能的 bucket_timestamp - 根据时间戳过滤数据,计算 TTL 并将过滤后的数据写入 Cassandra。但这似乎非常低效,而不是 Spark 方式。 Java Spark 中有没有一种方法可以提供 Spark 列作为 TTL 选项,以便每一行的 TTL 都不同?
Solution should be working with Java and dataset
谢谢!
最佳答案
在 Spark-Cassandra 连接器选项 ( https://github.com/datastax/spark-cassandra-connector/blob/v2.3.0/spark-cassandra-connector/src/main/java/com/datastax/spark/connector/japi/RDDAndDStreamCommonJavaFunctions.java ) 中,您可以将 TTL 设置为:
- 常量值(
withConstantTTL
) - 自动解析值(
withAutoTTL
) - 基于列的值(
withPerRowTTL
)
在您的情况下,您可以尝试最后一个选项,并使用您在问题中提供的规则将 TTL 计算为起始 Dataset
的新列。
关于java - Spark 使用不同的 TTL 写入 Cassandra,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51134344/