使用IN子句过滤Spark Cassandra连接器

Question

我正面临着针对java的spark cassandra连接器过滤的一些问题。 Cassandra允许使用IN子句过滤分区键的最后一列。 例如

create table cf_text
(a varchar,b varchar,c varchar, primary key((a,b),c))

Query : select * from cf_text where a ='asdf' and b in ('af','sd');

sc.cassandraTable("test", "cf_text").where("a = ?", "af").toArray.foreach(println)

我如何指定在spark中的CQL查询中使用的IN子句？ 如何指定范围查询？

Answer 1

只是想知道，但你的Spark代码上面有效吗？ 我认为Spark不允许分区键上的WHERE （在你的情况下为a和b ），因为它在引擎盖下使用它们（参见本问题的最后一个答案）： Spark Datastax Java API Select语句

在任何情况下，使用Cassandra Spark连接器，您都可以堆叠WHERE子句，并且可以使用List<String>指定IN 。

List<String> valuesList = new ArrayList<String>();
valuesList.Add("value2");
valuesList.Add("value3");

sc.cassandraTable("test", "cf")
    .where("column1 = ?", "value1")
    .where("column2 IN ?", valuesList)
    .keyBy(new Function<MyCFClass, String>() {
                public String call(MyCFClass _myCF) throws Exception {
                    return _myCF.getId();
                }
            });

请注意， 使用IN和Cassandra / CQL的常规规则仍适用于此处。

范围查询以类似的方式运行：

sc.cassandraTable("test", "person")
    .where("age > ?", "15")
    .where("age < ?", "20")
    .keyBy(new Function<Person, String>() {
                public String call(Person _person) throws Exception {
                    return _person.getPersonid();
                }
            });