Spark 2.0.0：在集群模式下从 Cassandra 读取

Question

我在运行从 Spark 2.0.0 中的 Cassandra 读取数据的 Spark 应用程序时遇到了一些麻烦。

我的代码工作如下：

DataFrameReader readerCassandra = SparkContextUtil.getInstance().read() 

                    .format("org.apache.spark.sql.cassandra")

                    .option("spark.cassandra.connection.host", [DATABASE_IP])

                    .option("spark.cassandra.connection.port", [DATABASE_PORT]);

final Map<String,String> map = new HashMap<String,String>();

map.put("table", "MyTable");

map.put("keyspace", "MyKeyspace");

public final  StructType schema = DataTypes.createStructType(

        new StructField[] { DataTypes.createStructField("id", DataTypes.StringType, true),

            DataTypes.createStructField("timestamp", DataTypes.TimestampType, true),

            DataTypes.createStructField("value", DataTypes.DoubleType, true)

        });

final Dataset<Row> dataset = readerCassandra.schema(schema).options(map).load(); 

dataset.show(false);

我想在集群中运行此代码。我的集群使用 spark-2.0.2-bin-hadoop2.7（http://spark.apache.org/downloads.html 上没有可用的 spark-2.0.0 ）。

首先，我使用以下脚本在客户端模式下提交它：

#!/bin/bash

sparkMaster=local[*]

mainClass=package.MainClass

jar=/path/to/myJar-with-dependencies.jar

driverPort=7079

blockPort=7082

deployMode=client

$SPARK_HOME/bin/spark-submit \

  --conf "spark.driver.port=${driverPort}"\

  --conf "spark.blockManager.port=${blockPort}"\

  --class $mainClass \

  --master $sparkMaster \

  --deploy-mode $deployMode \

  --jars /path/to/jars/spark-cassandra-connector_2.11-2.0.0.jar \

  $jar

当我这样做时，一切正常。但是现在，我想以集群模式运行我的应用程序。

所以我通过设置sparkMaster我的主 IP 和deployMode“集群”来修改我的提交脚本。

笔记 ：

在与我的 Master 同一台机器上只有一个 Worker 的集群时，我仍然有错误。

起初，我使用的是 Spark 2.3.1，并且在集群模式下运行我的代码没有问题（在 中使用 spark-cassandra-connector_2.11-2.3.1.jar --jars）。

我尝试了多个 jars --jars：spark-cassandra-connector_2.11-2.0.0.jar, spark-cassandra-connector_2.11-2.0.2.jar, spark-cassandra-connector_2.11-2.3.1.jar, spark-cassandra-connector-java_2.11-1.5.1.jar，但没有一个工作。

--jars参数中设置了其他一些 jar并考虑在内

Answer 1

您可能需要指定路径作为file:///path/to/jars/spark-cassandra-connector_2.11-2.0.0.jar替代 - 在这种情况下，它将通过驱动程序的 HTTP 服务器分发给执行程序。否则，它期望您已经将文件复制到所有机器上，以避免由进程本身复制。有关详细信息，请参阅Spark 文档...我宁愿建议只创建具有所有依赖项（Spark 除外）的 uberjar，然后提交它——这样的事情会减少痛苦。