歡迎轉載，轉載請注明出處，徽滬一郎。
概要
前提
假設當前已經安裝好如下軟件
- jdk
- sbt
- git
- scala
安裝cassandra
以archlinux為例，使用如下指令來安裝cassandra
yaourt -S cassandra
啟動cassandra
cassandra -f
創建keyspace和table, 運行/usr/bin/cqlsh進入cql console，然后執行下述語句創建keyspace和table
CREATE KEYSPACE test WITH replication = {'class': 'SimpleStrategy', 'replication_factor': 1 };
CREATE TABLE test.kv(key text PRIMARY KEY, value int);
添加記錄，繼續使用cql console
INSERT INTO test.kv(key, value) VALUES ('key1', 1);
INSERT INTO test.kv(key, value) VALUES ('key2', 2);
驗證記錄已經插入成功，執行如下cql
select * from test.kv;
下載編譯spark-cassandra-connector
下載最新的spark-cassandra-connector源碼
git clone https://github.com/datastax/spark-cassandra-connector.git
編譯
sbt package
這中間要等待比較長的時間，請保持足夠的耐心
運行spark-shell
首先請確保cassandra已經正常安裝和運行，如有問題請返回開始的章節安裝cassandra
如何添加相應的library來支持spark-cassandra-connector，並沒有一個明確的文檔說明，折騰了一個下午，終於弄出了一個最簡的配置
bin/spark-shell --driver-class-path /root/working/spark-cassandra-connector/spark-cassandra-connector/target/scala-2.10/spark-cassandra-connector_2.10-1.1.0-SNAPSHOT.jar:
/root/.ivy2/cache/org.apache.cassandra/cassandra-thrift/jars/cassandra-thrift-2.0.9.jar:
/root/.ivy2/cache/org.apache.thrift/libthrift/jars/libthrift-0.9.1.jar:
/root/.ivy2/cache/org.apache.cassandra/cassandra-clientutil/jars/cassandra-clientutil-2.0.9.jar:
/root/.ivy2/cache/com.datastax.cassandra/cassandra-driver-core/jars/cassandra-driver-core-2.0.4.jar:
/root/.ivy2/cache/io.netty/netty/bundles/netty-3.9.0.Final.jar:
/root/.ivy2/cache/com.codahale.metrics/metrics-core/bundles/metrics-core-3.0.2.jar:
/root/.ivy2/cache/org.slf4j/slf4j-api/jars/slf4j-api-1.7.7.jar:
/root/.ivy2/cache/org.apache.commons/commons-lang3/jars/commons-lang3-3.3.2.jar:
/root/.ivy2/cache/org.joda/joda-convert/jars/joda-convert-1.2.jar:
/root/.ivy2/cache/joda-time/joda-time/jars/joda-time-2.3.jar:
/root/.ivy2/cache/org.apache.cassandra/cassandra-all/jars/cassandra-all-2.0.9.jar:
/root/.ivy2/cache/org.slf4j/slf4j-log4j12/jars/slf4j-log4j12-1.7.2.jar
上述指令假設spark-cassandra-connector的源碼是下載在$HOME/working目錄下，請根據自己的情況作適當修改
我是如何猜測到需要指定這些包依賴的呢？說白了，也很簡單，就是執行以下指令，然后再查看相就的java進程中的運行參數
#運行spark-cassandra-connector測試集
sbt test
sbt it:test
當上述指令還在運行的時候，使用ps來查看java運行的參數，這樣就反過來知道所需要的包依賴了
ps -ef|grep -i java
測試程序
由於spark-shell會默認創建sc,所以首先需要停止掉默認的sc，然后利用新的配置來創建可以連接到cassandra的sc,示例代碼如下
sc.stop
import com.datastax.spark.connector._
import org.apache.spark._
val conf = new SparkConf()
conf.set("spark.cassandra.connection.host", "127.0.0.1")
val sc = new SparkContext("local[2]", "Cassandra Connector Test", conf)
val table = sc.cassandraTable("test", "kv")
table.count
如果一切正常會顯示出如下結果
res3: Long = 2
小結
進入實戰階段，挑戰會越來越多，保持足夠的信心和耐心很重要。
本篇內容和實戰一中的kafka cluster組織在一起的話，就會形成一個從前台到后台存儲的完整處理鏈條。