以下是cassandra表模式:
CREATE TABLE my_table(年份文本,月份文本,日期文本,小时int,min int,sec int,PRIMARY KEY((年,月,日),小时,分钟,秒))
如果我使用cassandra cql运行以下查询,它可以工作:
SELECT * FROM my_table WHERE year ='2017' and month ='01' and day ='16' and (hour,min,sec) > (1,15,0) LIMIT 200
但是,当我使用spark-cassandra连接器运行相同的查询时,它不起作用:
sparkSession.read().format("org.apache.spark.sql.cassandra").options(map).load()
.where(year ='2017' and month ='01' and day ='16' and (hour,min,sec) >= (1,15,0)");
我在日志中遇到以下异常:
> Exception in thread "main" org.apache.spark.sql.AnalysisException:
> cannot resolve '(struct(`hour`, `min`, `sec`) >= struct(1, 15, 0))'
> due to data type mismatch: differing types in '(struct(`hour`, `min`,
> `sec`) >= struct(1, 15, 0))' and (struct<hour:int,min:int,sec:int>
> struct<col1:int,col2:int,col3:int>).; line 1 pos 96
Spark-cassandra-connector版本:2.0.0-M3
火花版本:2.0.0
任何帮助深表感谢
1 回答
很简单,CQL不兼容Spark Sql或Catalyst . 你所看到的是语法上的冲突 .
这个where子句:
不是直接推到 Cassandra . 相反,它正在转变为催化剂谓词 . 这是你遇到问题的地方
Cataylst看到了这一点
并尝试为他们制作类型
左手边变成了
右手边变成了
这些不是元组,而是明确键入的结构 . 他们不能直接比较你的错误 . 在DataFrame api中,您只需使用正确的类型定义一个新的Struct并制作一个文字,但我不确定如何在SparkSQL中表达它 .
无论这个元组谓词都不会被推到Cassandra . 您定义的小时,分钟,秒的结构将从Cassandra隐藏,因为基础表不提供
Struct<hour, min, sec>
,这意味着Spark认为在从Cassandra中提取数据后需要生成它 .你最好只使用@AkashSethi提到的
AND
单独的子句