java如何使用连接处理sparkstructured流中的备份场景？

3 月，3 周 Questions & Answers 123

我使用的是spark sql 2.4.1，spark-cassandra-connector_2.11-2.4.1。jar和java8。我有一个场景，需要将流数据与C*/Cassandra表数据连接起来

我有两张表，如下“主表””&；“备份\u表”

table kspace.master_table(
    statement_id int,
    statement_flag text,
    statement_date date,
    x_val double,
    y_val double,
    z_val double,
    PRIMARY KEY (( statement_id ), statement_date)
) WITH CLUSTERING ORDER BY ( statement_date DESC );

table kspace.backup_table(
    statement_id int,
    statement_flag text,
    statement_date date,
    x_val double,
    y_val double,
    z_val double,
    backup_timestamp timestamp,
    PRIMARY KEY ((statement_id ), statement_date, backup_timestamp )
) WITH CLUSTERING ORDER BY ( statement_date DESC,   backup_timestamp DESC);

每个流媒体记录都会有“statement_flag”，可能是“I”或“U”

如果出现带有“I”的记录，我们将直接插入“主表”
如果出现带有“U”的记录，我们需要检查“主表”中是否有给定（语句id）、语句日期的记录
如果“主表”中有记录，则将该记录复制到带有当前时间戳（即备份时间戳）的“备份表”
用最新记录更新“主表”中的记录

下面的代码应该可以做到这一点，但事实并非如此

Dataset<Row> baseDs = //streaming data from topic
Dataset<Row> i_records = baseDs.filter(col("statement_flag").equalTo("I"));
Dataset<Row> u_records = baseDs.filter(col("statement_flag").equalTo("U"));

String keyspace="kspace";
String master_table = "master_table";
String backup_table = "backup_table";

Dataset<Row> cassandraMasterTableDs = getCassandraTableData(sparkSession, keyspace , master_table);

writeDfToCassandra(baseDs.toDF(), keyspace, master_table);

u_records.createOrReplaceTempView("u_records");
cassandraMasterTableDs.createOrReplaceTempView("persisted_records");

Dataset<Row> joinUpdatedRecordsDs =  sparkSession.sql(
            " select p.statement_id, p.statement_flag, p.statement_date,"
            + "p.x_val,p.y_val,p.z_val "
            + " from persisted_records as p "
            + "join u_records as u "
            + "on p.statement_id = u.statement_id  and p.statement_date = u.statement_date");

Dataset<Row> updated_records = joinUpdatedRecordsDs
  .withColumn("backup_timestamp", current_timestamp());

writeDfToCassandra(updated_records.toDF(), keyspace, backup_table);

“主表”中的所有内容都复制到备份表中。事实上，它假设只复制以前版本的记录，而不是最新版本的记录

假设只从master_表复制以前版本的记录，但所有记录都已复制到backup_表

如何仅使以前版本的记录从master_table复制到backup_table而不是最新版本