如何在 Spark 和 Cassandra 中将数据从小表映射到大表？ 第一个表的主键是第二个表的分区键

问题描述

这是我的表 1：

case class Table1(
    key1: String // (primary key),value1: String
)

表 2：

case class Table2(
    key1: String // (partition key)
    key2: String // (primary key)
    value1: String
)

我需要将表 1 中的 value1 复制到表 2 中分区的所有行（匹配表 1 中的 key1）。

我的代码：

val table2 = table1.map(
    s => {
        .... // Here code
    }
)
table2.savetoCassandra("keyspaceName","table2",SomeColumns("

解决方法

在表之间进行连接，然后将数据写回，例如：

import spark.implicits._
import org.apache.spark.sql.cassandra._

val df1 = spark.read.cassandraFormat("table1","ks").load
val df2 = spark.read.cassandraFormat("table2","ks").load.select("key1","key2")
val joined = df2.join(df1,df1("key1") === df2("key2"))
  .select(df2("key1"),df2("key2"),df1("value1"))
joined.write.cassandraFormat("table2","ks").save

为了使此过程高效，您需要使用自 Spark Cassandra Connector 2.5.0 以来可用的所谓直接连接（如果您有以前的版本，那么您将需要转到 RDD API 并使用函数 {{1 }}).

直接加入在进程开始时启用（.joinWithCassandraTable 或 spark-shell），如下所示：

spark-submit

附言您可以在 following blog post 中阅读有关加入 Cassandra 的更多信息。