Python - > Py4j - > Spark - > Cassandra

我想测试简单的Spark行数测试Cassandra表上只有四行只是为了验证一切正常。Python - > Py4j - > Spark - > Cassandra

我可以很快得到这个从Java工作：

JavaSparkContext sc = new JavaSparkContext(conf); 
    SparkContextJavaFunctions sparkContextJavaFunctions = CassandraJavaUtil.javaFunctions(sc); 
    CassandraJavaRDD<CassandraRow> table = sparkContextJavaFunctions.cassandraTable("demo", "playlists"); 
    long count = table.count();

现在，我想获得在Python工作同样的事情。 Spark发行版带有一套非捆绑的PySpark源代码，以使用Python中的Spark。它使用一个名为py4j的库来启动Java服务器并通过TCP网关编组java命令。我直接使用该网关来实现这一功能。

我指定了以下额外的罐子通过--driver类路径选项中的Java SparkSubmit主持人：

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

这里是核心Python代码做行计数测试：

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");

在最后一行，我得到以下错误：

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)

显然，有一些configurati开启或设置问题。我不知道如何合理地调试或调查，或者我可以尝试什么。任何拥有更多Cassandra/Python/Spark专业知识的人都可以提供一些建议吗？谢谢！

编辑：一位同事设置了一个spark-defaults.conf文件，该文件是其根源。我不完全理解为什么这会导致Python而不是Java导致的问题，但这并不重要。我不想要那个conf文件并将其解决。

来源

2015-03-30 clay

这是1.2.0-rc1和1.2.0-rc2中Spark Cassandra Connector中的一个已知错误，它将在rc3中修复。

Python - > Py4j - > Spark - > Cassandra

回答

相关问题