Spark version:3.00
scala:2.12
Cassandra::3.11.4
spark-cassandra-connector_2.12-3.0.0-alpha2.jar
我没有使用 DSE。下面是我将数据帧写入我的 Cassandra 数据库的测试代码。
spark = SparkSession
.builder
.config("spark.jars","spark-streaming-kafka-0-10_2.12-3.0.0.jar,spark-sql-kafka-0-10_2.12-3.0.0.jar,kafka-clients-2.5.0.jar,commons-pool2-2.8.0.jar,spark-token-provider-kafka-0-10_2.12-3.0.0.jar,**spark-cassandra-connector_2.12-3.0.0-alpha2.jar**")
.config("spark.cassandra.connection.host", "127.0.0.1")
.config('spark.cassandra.output.consistency.level', 'ONE')
.appName("StructuredNetworkWordCount")
.getOrCreate()
streamingInputDF = spark
.readStream
.format("kafka")
.option("kafka.bootstrap.servers", "192.168.56.1:9092")
.option("subscribe", "def")
.load()
##Dataset operations
def write_to_cassandra(streaming_df,E):
streaming_df
.write
.format("org.apache.spark.sql.cassandra")
.options(table="a", keyspace="abc")
.save()
q1 =sites_flat.writeStream
.outputMode('update')
.foreachBatch(write_to_cassandra)
.start()
q1.awaitTermination()
我能够对数据帧执行一些操作并将其打印到控制台,但我无法保存甚至从我的 Cassandra 数据库中读取它。我得到的错误是:
File "C:optspark-3.0.0-bin-hadoop2.7pythonlibpy4j-0.10.9-src.zippy4jprotocol.py", line 328, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o70.load.
: java.lang.NoClassDefFoundError: com/datastax/spark/connector/TableRef
at org.apache.spark.sql.cassandra.DefaultSource$.TableRefAndOptions(DefaultSource.scala:142)
at org.apache.spark.sql.cassandra.DefaultSource.createRelation(DefaultSource.scala:56)
at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:339)
at org.apache.spark.sql.DataFrameReader.loadV1Source(DataFrameReader.scala:279)
at org.apache.spark.sql.DataFrameReader.$anonfun$load$2(DataFrameReader.scala:268)
at scala.Option.getOrElse(Option.scala:189)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:268)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:203)
我尝试过使用其他Cassandra连接器版本(2.5(,但遇到相同的错误 请帮忙!!
问题是您正在使用spark.jars
选项,这些选项仅将提供的 jar 包含在类路径中。 但是TableRef
case 类位于spark-cassandra-connector-driver
包中,该包是spark-cassandra-connector
的依赖项。要解决此问题,最好使用--packages com.datastax.spark:spark-cassandra-connector_2.12:3.0.0-alpha2
启动pyspark
或spark-submit
(与 kafka 支持相同( - 在这种情况下,Spark 将获取所有必要的依赖项并将它们放入类路径中。
附言使用alpha2
版本,您可能会在获取某些依赖项时遇到问题,例如ffi
,groovy
等 - 这是一个已知的错误(主要在Spark中(:SPARKC-599,已经修复,我们希望很快得到测试版。
更新(14.03.2021(:最好使用包含所有必要依赖项的 SCC 程序集版本。
P.P.S. 用于从 Spark Structured Streaming 写入 Cassandra,不要使用foreachbatch
,只需用作普通数据接收器:
val query = streamingCountsDF.writeStream
.outputMode(OutputMode.Update)
.format("org.apache.spark.sql.cassandra")
.option("checkpointLocation", "webhdfs://192.168.0.10:5598/checkpoint")
.option("keyspace", "test")
.option("table", "sttest_tweets")
.start()
我遇到了同样的问题,试试吧:
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.12</artifactId>
<version>2.4.3</version>
</dependency>
版本兼容性被认为是原因