PySpark 结构化流数据写入 Cassandra 未填充数据

Question

我想将 Spark 结构化流数据写入 cassandra。 我的火花版本是 2.4.0。

我来自 Kafka 的输入源是 JSON，所以在写入控制台时，没问题，但是当我在 cqlsh Cassandra 中查询时，表中没有附加记录。 你能告诉我有什么问题吗？

schema = StructType() \
            .add("humidity", IntegerType(), True) \
            .add("time", TimestampType(), True) \
            .add("temperature", IntegerType(), True) \
            .add("ph", IntegerType(), True) \
            .add("sensor", StringType(), True) \
            .add("id", StringType(), True)

def writeToCassandra(writeDF, epochId):
    writeDF.write \
        .format("org.apache.spark.sql.cassandra") \
        .mode('append') \
        .options("spark.cassandra.connection.host", "cassnode1, cassnode2") \
        .options(table="sensor", keyspace="sensordb") \
        .save()

# Load json format to dataframe
df = spark \
      .readStream \
      .format("kafka") \
      .option("kafka.bootstrap.servers", "kafkanode") \
      .option("subscribe", "iot-data-sensor") \
      .load() \
      .select([
            get_json_object(col("value").cast("string"), "$.{}".format(c)).alias(c)
            for c in ["humidity", "time", "temperature", "ph", "sensor", "id"]])

df.writeStream \
    .foreachBatch(writeToCassandra) \
    .outputMode("update") \
    .start()

Answer 1

我在 pyspark 中遇到了同样的问题。 尝试以下步骤

1. 首先，验证它是否连接到 cassandra。 您可以指向一个不可用的表，看看它是否因为“找不到表”而失败

2. 尝试 writeStream 如下（在调用 cassandra 更新之前包括触发器和 output 模式）

df.writeStream \.trigger(processingTime="10 seconds") \.outputMode("update") \.foreachBatch(writeToCassandra) \