使用IN子句过滤Spark Cassandra连接器

Question

我在使用针对Java的Spark cassandra连接器筛选时遇到了一些问题。Cassandra允许使用IN子句按分区键的最后一列进行过滤。例如

create table cf_text
(a varchar,b varchar,c varchar, primary key((a,b),c))

Query : select * from cf_text where a ='asdf' and b in ('af','sd');

sc.cassandraTable("test", "cf_text").where("a = ?", "af").toArray.foreach(println)

我如何指定在spark的CQL查询中使用的IN子句？如何也可以指定范围查询？

Answer 1

只是想知道，但是上面的Spark代码是否起作用？我以为Spark不允许WHERE在分区键上（a并且b在您的情况下），因为它在幕后使用它们（请参阅此问题的最后答案）：Spark Datastax Java API Select语句

无论如何，使用Cassandra Spark连接器都可以堆叠WHERE子句，并且IN可以使用来指定List<String>。

List<String> valuesList = new ArrayList<String>();
valuesList.Add("value2");
valuesList.Add("value3");

sc.cassandraTable("test", "cf")
    .where("column1 = ?", "value1")
    .where("column2 IN ?", valuesList)
    .keyBy(new Function<MyCFClass, String>() {
                public String call(MyCFClass _myCF) throws Exception {
                    return _myCF.getId();
                }
            });

请注意，将IN与Cassandra / CQL一起使用的正常规则在这里仍然适用。

范围查询的功能类似：

sc.cassandraTable("test", "person")
    .where("age > ?", "15")
    .where("age < ?", "20")
    .keyBy(new Function<Person, String>() {
                public String call(Person _person) throws Exception {
                    return _person.getPersonid();
                }
            });