我在Cassandra中有两个表（ agg_count_1 和 agg_count_2 ），它们具有相同的模式：
CREATE TABLE agg_count_1 (
pk_1 text,
pk_2 text,
pk_3 text,
window_start timestamp,
count counter,
PRIMARY KEY (( pk_1, pk_2, pk_3 ), window_start)
) WITH CLUSTERING ORDER BY ( window_start DESC )
window_start 是一个四舍五入到最接近15分钟的时间戳，这意味着它在两个表中的值完全相同，但某些时间窗口的行可能会丢失 .
我想有效地（内部）将主键上的这两个表连接到第三个表，具有非常相同的架构和存储值 agg_count_1.counter 到 counter_1 和 agg_count_2.counter 到 counter_2 列：
CREATE TABLE agg_joined (
pk_1 text,
pk_2 text,
pk_3 text,
window_start timestamp,
int counter_1,
int counter_2,
PRIMARY KEY (( pk_1, pk_2, pk_3 ), window_start)
) WITH CLUSTERING ORDER BY ( window_start DESC )
这可以通过Scala，Spark和Spark-Cassandra连接器功能的组合以多种方式完成 . What is the recommended way?
我很高兴听到要避免的解决方案 . 联合通常是昂贵的，但我希望如果你（实际上我）没有做错任何事情，这种时间序列的“拉链”应该是相当有效的 .
基于Spark-Cassandra documentation使用 joinWithCassandraTable 听起来不是最理想的，因为它为每个分区执行单个查询：
joinWithCassandraTable利用java驱动器为源RDD所需的每个分区执行单个查询，因此不会请求或序列化不需要的数据 .