[英]RDD of CassandraRow not working with take-command - why?
我正在做一些 DataStax VM 的練習。
給出了一個 CassandraTable,我將使用 Spark API 函數而不是 cassandra-query-functions 進行一些過濾和檢索前 5 個元素。
在那里我正在做以下事情:
val cassRdd = sc.cassandraTable("killr_video", "videos_by_year_title")
val cassRdd2 = cassRdd.filter(r=>r.getString("title") >= "T")
println("1" : + cassRdd2)
println("2" : + cassRdd2.count)
println("3" : + cassRdd2.take(5))
println("4" : + cassRdd2.take(5).count)
結果是:
我所期望的:
Datastax 給出的解決方案使用 RDD 並對其進行映射轉換,僅獲取標題,並在該新標題 rdd 上進行過濾和獲取命令。
好的,有效,但我不明白,為什么 take 在 CassandraRow 的 RDD 上不起作用或結果可能是什么。
val cassRdd2 = cassRdd.map(r=>r.getString("title")).filter(t >= "T")
我認為任何 RDD(無論其內容如何)上的 take-command 總是相同的,取前 x 個元素產生一個完全相同類型的新 RDD,其大小為 x 個元素。
rdd.take(n)
實際上將n
元素移動到驅動程序並將它們作為數組返回,請參閱ScalaDoc 。 如果你想打印它們:
println("3" : + cassRdd2.take(5).toList)
或cassRdd2.take(5).foreach(println)
。 最后一行不起作用,因為該方法被稱為數組的length
(或size
):
println("4" : + cassRdd2.take(5).length)
我混淆了一些東西:
take
是一個動作,我不應該期待 RDD(但它是什么?一些二進制文件?它有名字嗎?某種集合?如果合適,也可能是一個單一的值,如 String 或 int)
在這一點上,我不應該像在 RDD 上那樣使用count
,而應該像在 java-collections 上那樣使用size
。 順便說一句, count
也是一個動作,在動作之后使用動作聽起來像轉儲,但它是如此直觀。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.