Python - > Py4j - > Spark - > Cassandra

Question

我想測試簡單的Spark行數測試Cassandra表上只有四行只是爲了驗證一切正常。

我可以很快得到這個從Java工作：

JavaSparkContext sc = new JavaSparkContext(conf); 
    SparkContextJavaFunctions sparkContextJavaFunctions = CassandraJavaUtil.javaFunctions(sc); 
    CassandraJavaRDD<CassandraRow> table = sparkContextJavaFunctions.cassandraTable("demo", "playlists"); 
    long count = table.count(); 

現在，我想獲得在Python工作同樣的事情。 Spark發行版帶有一套非捆綁的PySpark源代碼，以使用Python中的Spark。它使用一個名爲py4j的庫來啓動Java服務器並通過TCP網關編組java命令。我直接使用該網關來實現這一功能。

我指定了以下額外的罐子通過--driver類路徑選項中的Java SparkSubmit主持人：

spark-cassandra-connector-java_2.11-1.2.0-rc1.jar 
spark-cassandra-connector_2.11-1.2.0-rc1.jar 
cassandra-thrift-2.1.3.jar 
cassandra-clientutil-2.1.3.jar 
cassandra-driver-core-2.1.5.jar 
libthrift-0.9.2.jar 
joda-convert-1.2.jar 
joda-time-2.3.jar 

這裏是核心Python代碼做行計數測試：

from pyspark.java_gateway import launch_gateway 
jvm_gateway = launch_gateway() 
sc = jvm_gateway.jvm.org.apache.spark.api.java.JavaSparkContext(conf) 
spark_cass_functions = jvm_gateway.jvm.com.datastax.spark.connector.japi.CassandraJavaUtil.javaFunctions(sc) 
table = spark_cass_functions.cassandraTable("demo", "playlists"); 

在最後一行，我得到以下錯誤：

py4j.protocol.Py4JJavaError: An error occurred while calling o5.cassandraTable. 
: com.datastax.spark.connector.util.ConfigCheck$ConnectorConfigurationException: Invalid Config Variables 
Only known spark.cassandra.* variables are allowed when using the Spark Cassandra Connector. 
spark.cassandra.connection.conf.factory is not a valid Spark Cassandra Connector variable. 
No likely matches found. 
spark.cassandra.auth.conf.factory is not a valid Spark Cassandra Connector variable. 
No likely matches found. 
    at com.datastax.spark.connector.util.ConfigCheck$.checkConfig(ConfigCheck.scala:38) 
    at com.datastax.spark.connector.rdd.CassandraRDD.<init>(CassandraRDD.scala:18) 
    at com.datastax.spark.connector.rdd.CassandraTableScanRDD.<init>(CassandraTableScanRDD.scala:59) 
    at com.datastax.spark.connector.rdd.CassandraTableScanRDD$.apply(CassandraTableScanRDD.scala:182) 
    at com.datastax.spark.connector.japi.SparkContextJavaFunctions.cassandraTable(SparkContextJavaFunctions.java:88) 
    at com.datastax.spark.connector.japi.SparkContextJavaFunctions.cassandraTable(SparkContextJavaFunctions.java:68) 
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) 
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62) 
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) 
    at java.lang.reflect.Method.invoke(Method.java:497) 
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231) 
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379) 
    at py4j.Gateway.invoke(Gateway.java:259) 
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133) 
    at py4j.commands.CallCommand.execute(CallCommand.java:79) 
    at py4j.GatewayConnection.run(GatewayConnection.java:207) 
    at java.lang.Thread.run(Thread.java:745) 

顯然，有一些configurati開啓或設置問題。我不知道如何合理地調試或調查，或者我可以嘗試什麼。任何擁有更多Cassandra/Python/Spark專業知識的人都可以提供一些建議嗎？謝謝！

編輯：一位同事設置了一個spark-defaults.conf文件，該文件是其根源。我不完全理解爲什麼這會導致Python而不是Java導致的問題，但這並不重要。我不想要那個conf文件並將其解決。

Answer 1

這是1.2.0-rc1和1.2.0-rc2中Spark Cassandra Connector中的一個已知錯誤，它將在rc3中修復。

相關門票

• https://datastax-oss.atlassian.net/browse/SPARKC-102
• https://datastax-oss.atlassian.net/browse/SPARKC-105
• https://datastax-oss.atlassian.net/browse/SPARKC-108

Answer 2

你總是可以嘗試pyspark_cassandra。它是針對1.2.0-rc3構建的，在pyspark中使用Cassandra時可能會更容易。