首页 文章

spark-streaming:如何将流数据输出到cassandra

提问于
浏览
3

我正在使用spark-streaming阅读kafka流媒体消息 . 现在我想将Cassandra设置为输出 . 我在cassandra "test_table"中创建了一个表"key:text primary key"和"value:text"我已成功将数据映射到 JavaDStream<Tuple2<String,String>> data ,如下所示:

JavaSparkContext sc = new JavaSparkContext("local[4]", "SparkStream",conf);
JavaStreamingContext jssc = new JavaStreamingContext(sc, new Duration(3000));

JavaPairReceiverInputDStream<String, String> messages = KafkaUtils.createStream(jssc, args[0], args[1], topicMap );
JavaDStream<Tuple2<String,String>> data = messages.map(new Function< Tuple2<String,String>, Tuple2<String,String> >() 
{
    public Tuple2<String,String> call(Tuple2<String, String> message)
    {
        return new Tuple2<String,String>( message._1(), message._2() );
    }
}
);

然后我创建了一个List:

List<TestTable> list = new ArrayList<TestTable>();

其中TestTable是我的自定义类,具有与我的Cassandra表相同的结构,其成员为“key”和“value”:

class TestTable
{
    String key;
    String val;

    public TestTable() {}

    public TestTable(String k, String v)
    {
        key=k;
        val=v;
    }

    public String getKey(){
        return key;
    }

    public void setKey(String k){
        key=k;
    }

    public String getVal(){
        return val;
    }

    public void setVal(String v){
        val=v;
    }

    public String toString(){
        return "Key:"+key+",Val:"+val;
    }
}

请建议一种如何将 JavaDStream<Tuple2<String,String>> data 中的数据添加到 List<TestTable> list 的方法 . 我这样做,以便我可以随后使用

JavaRDD<TestTable> rdd = sc.parallelize(list); 
javaFunctions(rdd, TestTable.class).saveToCassandra("testkeyspace", "test_table");

将RDD数据保存到Cassandra中 .

我试过这种方式编码:

messages.foreachRDD(new Function<Tuple2<String,String>, String>()
                        {
                            public List<TestTable> call(Tuple2<String,String> message)
                            {
                                String k = message._1();
                                String v = message._2();
                                TestTable tbl = new TestTable(k,v);
                                list.put(tbl);
                            }
                        }
                    );

但似乎有些类型的错配发生 . 请帮忙 .

1 回答

  • 6

    假设此程序的目的是将流数据从kafka保存到Cassandra,则不必将 JavaDStream<Tuple2<String,String>> 数据转储到 List<TestTable> 列表中 .

    DataStax的Spark-Cassandra连接器直接通过Spark Streaming extensions支持此功能 .

    JavaDStream 上使用此类扩展应该足够了:

    javaFunctions(data).writerBuilder("testkeyspace", "test_table", mapToRow(TestTable.class)).saveToCassandra();
    

    而不是在中间列表上排放数据 .

相关问题