我正在做一些datastax vm的练习。
给出了一个cassandrat的缩影，我将使用Spark API功能而不是Cassandra-Query-fimctions进行一些过滤并检索前5个元素。
我正在做以下操作：
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)
导致：
- 1：mappartitionsrdd [185]在过滤器上：19
- 2：2250
- 3：[lcom.datastax.spark.connector.cassandrarow;@56fd2e09
- 4：编译错误(丢失特征中方法计数的参数traversableonce
我所期望的：
- 1：和2：按预期工作
- 3：仅返回一排？我希望RDD为5 Cassandra行
- 4：这不是3：之后的RDD计数看起来它是某种cassandrarow-count-hethod，我不是打算致电
dataStax给出的解决方案使用RDD并在其上进行MAP转换，仅在标题上进行标题，并且在该新标题rdd上进行过滤和随身携带。
好吧，有效，但是我不明白，为什么take不在卡桑德拉罗(RDD(上工作，或者可能是什么结果。
val cassRdd2 = cassRdd.map(r=>r.getString("title")).filter(t >= "T")
我认为任何RDD上的收费命令(无论其内容如何(始终相同，采用第一个X元素，导致具有X元素大小的完全相同类型的新RDD。
<</p>rdd.take(n)实际上将n元素移至驱动程序并将其返回为数组，请参见Scaladoc。如果要打印它们：
println("3" : + cassRdd2.take(5).toList)
或cassRdd2.take(5).foreach(println)。最后一行不起作用，因为该方法称为 length(或 size(数组：
println("4" : + cassRdd2.take(5).length)
我混合了一些东西：
take是一个动作，我不应该期望rdd(但是是什么？有什么二进制？它有名字吗？某种集合？如果适合字符串或int，也可以单一的值(
我不应该在RDD上使用count，而是应该在Java-Collections上使用size。顺便说一句，count也是一个动作，在像dump这样的动作之后使用动作，但它是如此直观。