如何使用Apache Flink阅读Cassandra？

Posted 2021-05-04

我的flink程序应该对每个输入记录进行Cassandra查找，并根据结果进行一些进一步的处理。

但我目前仍在阅读Cassandra的数据。这是我到目前为止提出的代码片段。

ClusterBuilder secureCassandraSinkClusterBuilder = new ClusterBuilder() {
        @Override
        protected Cluster buildCluster(Cluster.Builder builder) {
            return builder.addContactPoints(props.getCassandraClusterUrlAll().split(","))
                    .withPort(props.getCassandraPort())
                    .withAuthProvider(new DseGSSAPIAuthProvider("HTTP"))
                    .withQueryOptions(new QueryOptions().setConsistencyLevel(ConsistencyLevel.LOCAL_QUORUM))
                    .build();
        }
    };

    for (int i=1; i<5; i++) {
        CassandraInputFormat<Tuple2<String, String>> cassandraInputFormat =
                new CassandraInputFormat<>("select * from test where id=hello" + i, secureCassandraSinkClusterBuilder);
        cassandraInputFormat.configure(null);
        cassandraInputFormat.open(null);
        Tuple2<String, String> out = new Tuple8<>();
        cassandraInputFormat.nextRecord(out);
        System.out.println(out);
    }

但问题是，每次查找需要将近10秒，换句话说，这个for循环需要50秒才能执行。

我如何加快这项操作？另外，还有其他方法可以在Flink查找Cassandra吗？

答案

我想出了一个在使用流数据查询Cassandra时相当快的解决方案。对具有相同问题的人有用。

首先，可以用尽可能少的代码查询Cassandra，

Session session = secureCassandraSinkClusterBuilder.getCluster().connect();
ResultSet resultSet = session.execute("SELECT * FROM TABLE");

但问题是，创建Session是一个非常耗时的操作，应该在每个关键空间完成一次。您创建一次Session并将其重用于所有读取查询。

现在，由于Session不是Java Serializable，它不能作为参数传递给flink运算符，如Map或ProcessFunction。有几种方法可以解决这个问题，您可以使用RichFunction并在其Open方法中初始化它，或使用Singleton。我将使用第二种解决方案。

在我们创建Session的地方创建一个Singleton类。

public class CassandraSessionSingleton {
    private static CassandraSessionSingleton cassandraSessionSingleton = null;

    public Session session;

    private CassandraSessionSingleton(ClusterBuilder clusterBuilder) {
        Cluster cluster = clusterBuilder.getCluster();
        session = cluster.connect();
    }

    public static CassandraSessionSingleton getInstance(ClusterBuilder clusterBuilder) {
        if (cassandraSessionSingleton == null)
            cassandraSessionSingleton = new CassandraSessionSingleton(clusterBuilder);
        return cassandraSessionSingleton;
    }

}

然后，您可以将此会话用于将来的所有查询。在这里，我使用ProcessFunction作为示例进行查询。

public class SomeProcessFunction implements ProcessFunction <Object, ResultSet> {
    ClusterBuilder secureCassandraSinkClusterBuilder;

    // Constructor
    public SomeProcessFunction (ClusterBuilder secureCassandraSinkClusterBuilder) {
        this.secureCassandraSinkClusterBuilder = secureCassandraSinkClusterBuilder;
    }

    @Override
    public void  ProcessElement (Object obj) throws Exception {
        ResultSet resultSet = CassandraLookUp.cassandraLookUp("SELECT * FROM TEST", secureCassandraSinkClusterBuilder);
        return resultSet;
    }
}

请注意，您可以将ClusterBuilder传递给ProcessFunction，因为它是Serializable。现在我们执行查询的cassandraLookUp方法。

public class CassandraLookUp {
    public static ResultSet cassandraLookUp(String query, ClusterBuilder clusterBuilder) {
        CassandraSessionSingleton cassandraSessionSingleton = CassandraSessionSingleton.getInstance(clusterBuilder);
        Session session = cassandraSessionSingleton.session;
        ResultSet resultSet = session.execute(query);
        return resultSet;
    }
}

单例对象仅在第一次运行查询时创建，之后，同一对象被重用，因此查找没有延迟。