cassandra java驱动程序连接引发noHostAvailableException

Question

我有一个带有两个节点的cassandra群集。。 我已经设置了spark作业，从这个cassandra集群中进行查询，该集群有3651568个密钥

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)

我可以查询前1000行，但我无法找到从1001th行读取到第2000行的方法，以便使用spark job从Cassandra表中批量读取数据

根据推荐，我开始使用java驱动程序

以下是完整的解释

我必须使用datastax java驱动程序从cassandra数据库进行查询。。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，我已经尝试通过安装JAR来解决依赖关系。我还检查了yaml文件种子、侦听地址、rpc地址都指向我的主机，并且start_native_transport设置为true 下面是我的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();
       }
          }

`

我在cassandra集群中只有一个节点，它已经启动并运行。我也可以在9042端口cqlsh连接到它。。 到目前为止还不错，但是当我运行java程序时，我收到了这个错误或异常消息

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)

`

有人能帮忙吗

Answer 1

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

在Spark中，你最好的选择可能是以本地迭代器的身份获取结果，如果你想翻阅它们，但这可能不是最好的方法。Spark是一个在远程集群上处理数据的系统。这意味着在dataframe api中进行处理

如果你真的只是想慢慢翻阅记录，你可以使用toLocalIterator将批抓取回你的驱动程序机器（不推荐）。但是，您可以通过使用Java驱动程序执行Select（*）来完成类似的任务。返回给您的结果集迭代器将在您浏览结果时自动翻页浏览结果

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 API 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)

使用本地化器的示例，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