https://spark.apache.org/docs/latest/configuration.html#available-properties
дал скрипт pyspark, который прекрасно работает, когда я выполняю его сspark-submit
:
spark-submit --packages com.datastax.spark:spark-cassandra-connector_2.11:2.0.6 --conf spark.cassandra.connection.host=12.34.56.68 test_cassandra.py
Поскольку я работаю с фабрикой данных Azure, мне бы хотелось выполнить это задание и в ADF. Я создал следующую работу:
{
"name": "spark write to cassandra",
"type": "HDInsightSpark",
"policy": {
"timeout": "7.00:00:00",
"retry": 0,
"retryIntervalInSeconds": 30,
"secureOutput": false
},
"typeProperties": {
"rootPath": "dev/apps/spikes",
"entryFilePath": "test_cassandra.py",
"sparkConfig": {
"packages": "datastax:spark-cassandra-connector:2.0.7-s_2.10",
"conf": "spark.cassandra.connection.host=12.34.56.78"
},
"sparkJobLinkedService": {
"referenceName": "linkedServiceStorageBlobHDI",
"type": "LinkedServiceReference"
}
},
"linkedServiceName": {
"referenceName": "linkedServiceHDI",
"type": "LinkedServiceReference"
}
}
Я думал, что этого будет достаточно, но, видимо, проблема с пакетом. Я получил ошибку:
java.lang.ClassNotFoundException: не удалось найти источник данных: org.apache.spark.sql.cassandra. Пожалуйста, найдите пакеты наhttps://cwiki.apache.org/confluence/display/SPARK/Third+Party+Projects
Можете ли вы помочь мне правильно настроить свою деятельность, чтобы она работала?