如何以比正常更快的速度执行流静态连接以与批触发持续时间同步?

8tntrjer  于 2021-06-14  发布在  Cassandra
关注(0)|答案(1)|浏览(320)

我正在使用spark-sql-2.4.1v在poc中进行流式处理。
我有一个场景如下:dataset staticdf=//来自hdfs/cassandra表dataset streamingdf=//来自kafka主题的数据流

Dataset<Row> joinDs =   streamingDs.join(staticDs, streamingDs.col("companyId").equalTo(staticDs.col("company_id"), "inner"));

即使这是工作良好,我有一个加入的时间问题。目前我的流跳跳虎时间约为10秒。这个连接在哪里运行了将近1分钟。所以我没有在预期的时间内得到结果。
我怎样才能让我的加入每10秒触发一次?
谢谢您。

yqkkidmi

yqkkidmi1#

在您的情况下,要执行join spark,需要从cassandra读取所有数据,这很慢。正如我前面提到的,如果您想在数据集/Dataframe上执行高效连接,或者使用 joinWithCassandra / leftJoinWithCassandra 来自rdd api。
2020年9月更新:spark cassandra connector 2.5.0中添加了对在Dataframe中与cassandra连接的支持

相关问题