java - cassandra java驱动程序连接抛出noHostAvailableException

Question

我有一个带有两个节点的 cassandra 集群..我已经设置了 Spark 作业来从这个 cassandra 集群进行查询，该集群有 3651568 个键。

import com.datastax.spark.connector.rdd.ReadConf
import org.apache.spark.sql.cassandra
import org.apache.spark.sql.SparkSession

val conf = new SparkConf(true).set("spark.cassandra.connection.host", "hostname)
val sc = new SparkContext(conf)

val spark = SparkSession.builder().master("local").appName("Spark_Cassandra").config("spark.cassandra.connection.host", "hostname").getOrCreate()
val studentsDF = spark.read.cassandraFormat("keyspacename", "tablename").options(ReadConf.SplitSizeInMBParam.option(32)).load()
studentsDF.show(1000)

我能够查询前 1000 行，但无法找到从第 1001 行读取到第 2000 行的方法，以便我可以使用 Spark 作业从 Cassandra 表中批量读取数据。

根据建议我开始使用java驱动程序

这是完整的解释

我必须使用 datastax java 驱动程序从 cassandra 数据库查询。我正在使用 datastax java 驱动程序版本 cassandra-java-driver-3.5.1 和 apache-cassandra 版本 apache-cassandra -3.0.9并且我尝试通过安装jar来解决依赖关系我还检查了yaml文件种子，listen_address，rpc_address都指向我的主机并且start_native_transport设置为true这是我的java代码，用于建立与cassandra数据库的连接 `

import java.net.InetAddress;
  import com.datastax.driver.core.Metadata;
  import java.net.UnknownHostException;
  import com.datastax.driver.core.Cluster;
  import com.datastax.driver.core.Cluster.Builder;
  import com.datastax.driver.core.Session;
  import com.datastax.driver.core.ResultSet;
  import com.datastax.driver.core.Row;
public class Started {
    public void connect()
    {
     try
       {
         Cluster cluster;
         Session session;
         cluster = Cluster.builder().addContactPoints("***.***.*.*").build();
       cluster.getConfiguration().getSocketOptions().setReadTimeoutMillis(2000);
         System.out.println("Connected to cluster:");
         session= cluster.connect("demo");
         Row row = session.execute("SELECT ename FROM demo.emp").one();
         System.out.println(row.getString("ename"));
         cluster.close();
        }
          catch (Exception e) {
              e.printStackTrace();
              }
           }
    public static void main(String[] args)
     {
       Started st = new Started();
       st.connect();
       }
          }

`

我的 cassandra 集群中只有一个节点，并且它已启动并正在运行。我也可以在 9042 端口上对其进行 cqlsh 操作..到目前为止一切顺利，但是当我运行我的 java 程序时，我收到此错误或异常消息...

Connected to cluster:
`

com.datastax.driver.core.exceptions.NoHostAvailableException: All host(s) tried for query failed (tried: /***.***.*.*:9042 (com.datastax.driver.core.exceptions.TransportException: [/***.***.*.*:9042] Cannot connect))
            at com.datastax.driver.core.ControlConnection.reconnectInternal(ControlConnection.java:232)
            at com.datastax.driver.core.ControlConnection.connect(ControlConnection.java:79)
            at com.datastax.driver.core.Cluster$Manager.negotiateProtocolVersionAndConnect(Cluster.java:1631)
            at com.datastax.driver.core.Cluster$Manager.init(Cluster.java:1549)
            at com.datastax.driver.core.Cluster.init(Cluster.java:160)
            at com.datastax.driver.core.Cluster.connectAsync(Cluster.java:342)
            at com.datastax.driver.core.Cluster.connect(Cluster.java:292)
            at Started.connect(Started.java:22)
            at Started.main(Started.java:34)

`

谁能帮忙!!

Answer 1

这可能不适合 Spark。例如，显示仅显示 1000 条记录，但不保证记录的顺序。多次调用可能会产生不同的结果。

如果您想对 Spark 进行分页，那么您在 Spark 中最好的选择可能是将结果作为本地迭代器获取，但这可能不是最好的方法。 Spark 是一个用于处理远程集群上的数据的系统。这意味着在数据帧 API 中进行处理。

如果您确实只想缓慢地翻阅记录，则可以使用 toLocalIterator 将批处理抓取回驱动程序计算机(不推荐)。但是您可以通过使用 Java 驱动程序执行 Select (*) 来完成类似的操作。当您浏览结果时，返回给您的结果集迭代器将自动对结果进行分页。

使用 Java 驱动程序分页的示例

https://docs.datastax.com/en/developer/java-driver/3.2/manual/paging/

ResultSet rs = session.execute("your query");
  for (Row row : rs) {
  // Process the row ...
  // By default this will only pull a new "page" of data from cassandra
  // when the previous page has been fully iterated through. See the
  // docs for more details    
}

使用 Spark 远程处理数据的示例

RDD Docs for Cassandra Dataframe Docs for Cassandra //RDD接口(interface) SparkContext.cassandraTable("ks","tab").foreach(row =>//processRow)

//Dataframe API - although similar foreach is available here as well
spark.read.format("org.apache.spark.sql.cassandra")
  .load()
  .select(//do some transforms)
  .write(//pickoutput of request)

使用 localIterator 的示例，可能是最不相关的方法

Why you might want to do this with an example

// This reads all data in large blocks to executors, those blocks are then pulled one at a time back to the Spark Driver.
sparkContext.cassandraTable("ks","tab").toLocalIterator