使用spark和RDD映射Cassandra数据库的表

Question

我必须映射一张表格，其中写入了应用程序的使用历史。 桌子上有这些元组：

<AppId,date,cpuUsage,memoryUsage>
<AppId,date,cpuUsage,memoryUsage>
<AppId,date,cpuUsage,memoryUsage>
<AppId,date,cpuUsage,memoryUsage>
<AppId,date,cpuUsage,memoryUsage>

AppId总是不同的，因为在许多应用程序中都引用了它，所以date以这种格式表示： dd/mm/yyyy hh/mm cpuUsage和memoryUsage用%表示，例如：

<3ghffh3t482age20304,230720142245,0.2,3,5>

我以这种方式（小片段）从cassandra中检索了数据：

public static void main(String[] args) {
        Cluster cluster;
        Session session;
        cluster = Cluster.builder().addContactPoint("127.0.0.1").build();
        session = cluster.connect();
        session.execute("CREATE KEYSPACE IF NOT EXISTS foo WITH replication "
                + "= {'class':'SimpleStrategy', 'replication_factor':3};");
        String createTableAppUsage = "CREATE TABLE IF NOT EXISTS foo.appusage"
                + "(appid text,date text, cpuusage double, memoryusage double, "
                + "PRIMARY KEY(appid,date) " + "WITH CLUSTERING ORDER BY (time ASC);";
        session.execute(createTableAppUsage);
        // Use select to get the appusage's table rows
        ResultSet resultForAppUsage = session.execute("SELECT appid,cpuusage FROM foo.appusage");
       for (Row row: resultForAppUsage)
             System.out.println("appid :" + row.getString("appid") +" "+ "cpuusage"+row.getString("cpuusage"));
        // Clean up the connection by closing it
        cluster.close();
    }

所以，我现在的问题是key value映射数据并创建一个集成此代码的元组（无效的代码段）：

        <AppId,cpuusage>

        JavaPairRDD<String, Integer> saveTupleKeyValue =someStructureFromTakeData.mapToPair(new PairFunction<String, String, Integer>() {
            public Tuple2<String, Integer> call(String x) {
                return new Tuple2(x, y);
            }

我如何使用RDD和reduce来映射appId和cpuusage eg. cpuusage >50 eg. cpuusage >50 ？

有什么帮助吗？

提前致谢。

Answer 1

假设您已经创建了一个有效的SparkContext sparkContext ，并已将spark-cassandra连接器依赖项添加到您的项目中，并配置了spark应用程序以与您的cassandra集群进行通信（请参阅该文档 ），那么我们可以将数据加载到RDD中，例如这个：

val data = sparkContext.cassandraTable("foo", "appusage").select("appid", "cpuusage")

在Java中，思路是相同的，但它需要多一点的管道，描述在这里