Как обработать сценарий резервного копирования в потоковой передаче с искровым структурированием, используя соединения?

Question

Я использую spark-sql 2.4.1, spark-cassandra-connector_2.11-2.4.1.jar и java8.У меня есть сценарий, где мне нужно объединить потоковые данные с данными таблицы C * / Cassandra.

У меня есть две таблицы, как показано ниже: * master_table"&" backup_table"

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);

Каждая потоковая запись будет иметь «Statement_flag», который может быть «I» или «U».

1. Если приходит запись с «I», мы непосредственно вставляем в «master_table».
2. Если приходит запись с «U», нам нужно проверить, есть ли запись для данного (Statement_id), Statement_date в «master_table».
3. Если есть запись в «master_table»скопируйте его в «backup_table» с текущей меткой времени, т.е. backup_timestamp.
4. Обновите запись в «master_table» последней записью.

Следующий код должен это делать, но этоне.

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); 

Каждая вещь из «master_table» копируется в backup_table.Фактически предполагается, что копируется только предыдущая версия записей, но не самая последняя.

Предполагается копировать только предыдущую версию записей из master_table, но все данные были скопированы в backup_table

Как сделать только предыдущую версию записейс master_table копируется только в backup_table, не последний?

Пример данных

Для первой записи с флагом "I"

master_table

backup_table

Для второй записи с флагом "U", т.е. то же, что и ранеекроме данных столбца "y_val".

master_table

backup_table

Ожидается

Но фактические данные таблицы -