我有一个流式处理过程，它从Kafka读取数据，使用Spark处理它并将数据写入Cassandra .
这将在具有3-5个节点的集群上运行 . 我的计划是在集群的每个节点上部署spark，kafka和cassandra .
我想尽可能地强制执行数据局部性，并且我的意思是每个Spark节点从Kafka读取数据 ONLY on that node ，在本地处理它（我的管道中没有改组转换），并写入 Cassandra in that node .
所以，我的问题如下：
1）为了将相同的主题存储在多个节点上，我是否需要对Kafka主题进行分区？
2）我是否需要同步（设置为相同）Kafka分区器和Cassandra分区器，以便我确信到达节点X上的Kafka分区的数据肯定会存储在同一节点上的Cassandra中？
3）在Spark管道中还有其他我应该特别注意的事项吗？我正在使用Spark-Cassandra Connector，它应该利用数据局部性（以便每个Spark任务读取存储在该特定节点上的数据） .
任何博客文章或文章解释如何做到这一点是非常感谢 .
问候，
斯尔詹