Я хотел бы протестировать просто счетчик строк строки на тестовой таблице Cassandra всего за четыре строки, чтобы убедиться, что все работает.Python -> Py4j -> Spark -> Cassandra
я могу быстро получить эту работу с Java:
JavaSparkContext sc = new JavaSparkContext(conf);
SparkContextJavaFunctions sparkContextJavaFunctions = CassandraJavaUtil.javaFunctions(sc);
CassandraJavaRDD<CassandraRow> table = sparkContextJavaFunctions.cassandraTable("demo", "playlists");
long count = table.count();
Теперь я хотел бы получить то же самое, работая в Python. Распространение Spark поставляется с набором разделенного исходного кода PySpark для использования Spark из Python. Он использует библиотеку, называемую py4j, для запуска Java-сервера и маршальных java-команд через TCP-шлюз. Я использую этот шлюз напрямую, чтобы заставить это работать.
указываю следующие дополнительные банки на хост Java SparkSubmit с помощью опции --driver-класс-путь:
spark-cassandra-connector-java_2.11-1.2.0-rc1.jar
spark-cassandra-connector_2.11-1.2.0-rc1.jar
cassandra-thrift-2.1.3.jar
cassandra-clientutil-2.1.3.jar
cassandra-driver-core-2.1.5.jar
libthrift-0.9.2.jar
joda-convert-1.2.jar
joda-time-2.3.jar
Вот код ядра Python, чтобы сделать тест количество строк:
from pyspark.java_gateway import launch_gateway
jvm_gateway = launch_gateway()
sc = jvm_gateway.jvm.org.apache.spark.api.java.JavaSparkContext(conf)
spark_cass_functions = jvm_gateway.jvm.com.datastax.spark.connector.japi.CassandraJavaUtil.javaFunctions(sc)
table = spark_cass_functions.cassandraTable("demo", "playlists");
на этой последней строке, я получаю следующее сообщение об ошибке:
py4j.protocol.Py4JJavaError: An error occurred while calling o5.cassandraTable.
: com.datastax.spark.connector.util.ConfigCheck$ConnectorConfigurationException: Invalid Config Variables
Only known spark.cassandra.* variables are allowed when using the Spark Cassandra Connector.
spark.cassandra.connection.conf.factory is not a valid Spark Cassandra Connector variable.
No likely matches found.
spark.cassandra.auth.conf.factory is not a valid Spark Cassandra Connector variable.
No likely matches found.
at com.datastax.spark.connector.util.ConfigCheck$.checkConfig(ConfigCheck.scala:38)
at com.datastax.spark.connector.rdd.CassandraRDD.<init>(CassandraRDD.scala:18)
at com.datastax.spark.connector.rdd.CassandraTableScanRDD.<init>(CassandraTableScanRDD.scala:59)
at com.datastax.spark.connector.rdd.CassandraTableScanRDD$.apply(CassandraTableScanRDD.scala:182)
at com.datastax.spark.connector.japi.SparkContextJavaFunctions.cassandraTable(SparkContextJavaFunctions.java:88)
at com.datastax.spark.connector.japi.SparkContextJavaFunctions.cassandraTable(SparkContextJavaFunctions.java:68)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:497)
at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)
at py4j.Gateway.invoke(Gateway.java:259)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:207)
at java.lang.Thread.run(Thread.java:745)
Очевидно, что некоторые configurati или установки. Я не уверен, как разумно отлаживать или исследовать или что я могу попробовать. Может ли кто-нибудь, у кого больше опыта Cassandra/Python/Spark, дать некоторые советы? Спасибо!
EDIT: Сотрудник установил файл spark-defaults.conf, который был корнем этого. Я не совсем понимаю, почему это вызвало проблемы с Python, а не с Java, но это не имеет значения. Я не хочу, чтобы этот файл conf и его удаление разрешалось по проблеме.
Как я выяснил в OP, это был файл conf, который сотрудник разместил в каталоге Spark. Как только я очистил это, мое приложение Python начало работать. Благодаря! – clay