如何解决pyspark 未连接到本地 cassandra
我正在尝试使用 pyspark 从 cassandra 表中读取数据。 我使用的代码如下所示
import pandas as pd
import numpy as np
from pyspark import *
import os
from pyspark.sql import SQLContext
os.environ['PYSPARK_SUBMIT_ARGS'] = '--packages com.datastax.spark:spark-cassandra-connector_2.12:3.0.0 --conf spark.cassandra.connection.host=127.0.0.1 pyspark-shell'
conf = SparkConf().set("spark.cassandra.connection.host","127.0.0.1").set("spark.cassandra.connection.port","9042").setAppName("Sentinel").setMaster("spark://Suraj-Vashistha-Laptop:7077")
sc = SparkContext(conf=conf)
sqlContext = SQLContext(sc)
table_df = sqlContext.read\
.format("org.apache.spark.sql.cassandra")\
.options(table='movies',keyspace='practice')\
.load()
我什至使用过 spark-cassandra-connector 版本 3.0.0,python 3
Spark 已启动并运行,如下所示:
如上所示,有一个已初始化并处于等待状态的 spark 实例。 它运行在默认的 localhost:8080
Cassandra 也在 localhost:9042 上运行
所以两者都在本地机器上。 尽管如此,我仍然无法连接和运行代码。 我收到以下错误:
Py4JJavaError: An error occurred while calling o36.load.
: java.io.IOException: Failed to open native connection to Cassandra at {127.0.0.1:9042} :: Could not reach any contact point,make sure you've provided valid addresses
关于堆栈溢出也有类似的问题,但它们都是 2 或 3 岁以上的人,而且没有一个答案对我有用。因此,我再次询问了这个问题。
我的 cassandra 版本详情是 [cqlsh 6.0.0 |卡桑德拉 4.0 | CQL 规范 3.4.5 |本机协议 v5]
我只保留了最新版本的所有内容。
因此,我无法弄清楚出了什么问题,因为一切似乎都在运行,但错误提示无法到达任何联系点。出了什么问题??
编辑: 我最近能够使用完全相同的代码并连接到托管在不同 IP(10.160.0.2)上的 cassandra 数据库,但对于 localhost 它不起作用。
EDIT2: 我在 spark-shell 上逐行执行了相同的代码(我有 localhost 而不是第一个编辑 IP 的代码)。我将它作为 spark-shell --packages datastax 的 cassandra 连接器 启动。 所以,我观察到一切正常,直到我到达 .load() 或 .show() 或 .first()。 我可以执行以下操作
val conf = new SparkConf(true).set("spark.cassandra.connection.host",cassandraHost)
val sc = new SparkContext("spark://" + sparkMasterHost + ":7077","example",conf)
val rdd = sc.cassandraTable(keyspace,table)
此时输出(我放在下一行)是一个创建的对象,到目前为止没有发现错误
rdd: com.datastax.spark.connector.rdd.CassandraTableScanRDD[com.datastax.spark.connector.CassandraRow] = CassandraTableScanRDD[0] at RDD at CassandraRDD.scala:18
当我尝试执行 rdd.show() 或 rdd.first() 或 rdd.collect() 时,接下来会出现问题。 我收到了我在上述问题中发布的相同错误(无法打开本机连接,无法到达任何联系点)。
解决方法
此异常表明您很可能存在网络连接问题:
java.io.IOException: Failed to open native connection to Cassandra at {127.0.0.1:9042} :: \
Could not reach any contact point,make sure you've provided valid addresses
您的 pyspark 应用程序无法连接到端口 localhost
上的 9042
。检查您是否有阻止访问 Cassandra 节点的软件防火墙,例如 iptables
或 firewalld
。
要检查的另一件事是您为 rpc_address
配置的 IP。作为测试的替代方法,将 RPC 地址设置为笔记本电脑的 IP 并重新启动 Cassandra。然后在 pyspark 配置中将 spark.cassandra.connection.host
设置为笔记本电脑的 IP 以查看它是否有效。
作为旁注,您在第二次编辑中说明了这一点:
我将它作为 spark-shell --packages datastax 的 cassandra 连接器启动。所以,我观察到一切正常,直到我到达 .load() 或 .show() 或 .first()。
这样做的原因是 Spark 中的评估是惰性的——在您调用操作之前不会执行任何操作。在调用 collect()
之类的操作之前,您不会看到任何错误,因为在代码中的那个点之前不会执行任何操作。干杯!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。