一.SparkSQL架构
1.架构
2.解释
一个sql 过来 解析成unresolved,只拿出来字段名和表名
但是不知道字段名和表名在哪个位置
需要通过Schema 确定表的位置等信息,
生成逻辑执行计划,Logical,知道数据从哪里来了
通过一些列优化过滤生成物理执行计划Physical
最后把物理执行计划放到spark集群上运行
3.样例
二.SparkSQL的几点误区
Spark SQL就是写SQL,这是错误的观点
Spark SQL不是SQL,超出SQL,因为SQL是其一部分
Spark SQL 是处理结构化数据的,只是Spark中的一个模块
Spark SQL 与 Hive on Spark 不是一个东西
Spark SQL 是spark里面的
Hive on Spark 的功能是比Spark SQL多的
Hive on Spark 稳定性不是很好
三.SQL的几个几点注意
1.SQL注意
关系数据库集群成本很高,还是有限的
SQL : schema + file
使用sql的前提就是有schema ,作用到文件上去
hive是进程的
hive2.0 默认引擎是Tez
Hive on Spark 就是把hive执行引擎改成spark
2.执行引擎
mr
spark
Tez
3.SparkSQL的JOIN
spark sql 可以跨数据源进行join,例如hdfs与mysql里表内容join
Spark SQL运行可以不用hive,只要你连接到hive的metastore就可以
3.hive底层的hiveserver2协议走的是thrift
hiveserver2开启可以用JDBC或者ODBC直接连接
四.连接Hive的几种方式
1.三种方式
spark-sql 与 spark-shell ,thriftserver
thriftserver对应hive里面的hiveserver2
2.thriftserver连接方式
./beeline -u jdbc:hive2://localhost:10000 -n root
3.thriftserver和spark-sql,spark-shell 的区别在哪?
spark-shell、spark-sql 都是是一个独立的 spark application,
启动几个就要几个application,非常耗资源
用thriftserver,无论启动多少个客户端(beeline)连接在一个thriftserver,
是一个独立的spark application,
后面不用在重新申请资源。前一个beeline缓存的,下一个beeline也可以用
用thriftserver,可在ui看执行计划,优化有优势
4.注意情况
这个要起来,要不spark-shell, spark-sql,连接不上,这个跟hive一样
5.可能出错
spark-shell --master local[2] --jars /soft/hive/lib/mysql-connector-java-8.0.12.jar 这样启动不起来
你可以试试把mysql-connector-java-8.0.12.jar 放到spark的jars里
6.解决
来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/69941978/viewspace-2652110/,如需转载,请注明出处,否则将追究法律责任。
转载于:http://blog.itpub.net/69941978/viewspace-2652110/