У меня есть процесс Spark, который в настоящее время использует мост mongo-hadoop (из https://github.com/mongodb/mongo-hadoop/blob/master/spark/src/main/python/README.rst ) для доступа к базе данных mongo:
mongo_url = 'mongodb://localhost:27017/db_name.collection_name'
mongo_rdd = spark_context.mongoRDD(mongo_url)
Экземпляр mongo теперь обновляется до кластера, к которому можно получить доступ только с набором реплик.
Как создать RDD с помощью соединителя mongo-hadoop? mongoRDD() переходит к mongoPairRDD(), который не может принимать несколько строк.