SparkSQL>Spark-On-Hive

概述

官网
http://spark.apache.org/docs/latest/sql-data-sources-hive-tables.html

Configuration of Hive is done by placing your hive-site.xml, core-site.xml (for security configuration), and hdfs-site.xml (for HDFS configuration) file in conf/.

• Hive查询流程及原理
  执行HQL时，先到MySQL元数据库中查找描述信息，然后解析HQL并根据描述信息生成MR任务
  Hive将SQL转成MapReduce执行速度慢
  使用SparkSQL整合Hive其实就是让SparkSQL去加载Hive 的元数据库，然后通过SparkSQL执行引擎去操作Hive表内的数据
  所以首先需要开启Hive的元数据库服务，让SparkSQL能够加载元数据

• 小结：
  Hive 作用是接收SQL将其转化成MR
  Spark作用是接收SQL将其转化成算子
  SparkSQL可以读取Hive内得数据

Hive开启MetaStore服务

第一步：修改 hive/conf/hive-site.xml 新增如下配置

cd /export/install/hive-1.1.0-cdh5.14.0/conf
vim hive-site.xml
//新增如下配置
<property>
      <name>hive.metastore.warehouse.dir</name>
      <value>/user/hive/warehouse</value>
    </property>
    <property>
      <name>hive.metastore.local</name>
      <value>false</value>
    </property>

  <！--  
//<property>
     // <name>hive.metastore.uris</name>
      //<value>thrift://node01:9083</value>
//</property>
-->

SparkSQL整合Hive MetaStore

hive-site.xml 元数据仓库的位置等信息
core-site.xml 安全相关的配置
hdfs-site.xml HDFS 相关的配置

第二步：拷贝hive-site.xml core-site.xml hdfs-site.xml到spark得配置文件内

cd  /export/install/hive-1.1.0-cdh5.14.0/conf 
[root@node01 conf]# cp hive-site.xml  /export/install/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf/

cd  /export/install/hadoop-2.6.0-cdh5.14.0/etc/hadoop
[root@node01 hadoop]# cp  core-site.xml  hdfs-site.xml /export/install/spark-2.2.0-bin-2.6.0-cdh5.14.0/conf/ 

第三步：spark所有节点拷贝三个配置文件

scp hive-site.xml core-site.xml hdfs-site.xml  node02:$PWD
scp hive-site.xml core-site.xml hdfs-site.xml  node02:$PWD

启动./spark-shell 先配置驱动文件到spark/jars目录下

第四步：下载/查找mysql连接驱动包添加到spark得jars文件夹中

第五步：后台启动 Hive MetaStore服务【可选】

nohup /export/servers/hive/bin/hive --service metastore  &

• 集群方式开启MetaStore

[root@node01 bin]# ./spark-shell 
scala> spark.sql("show databases").show
+------------+
|databaseName|
+------------+
|          aa|
|      course|
|     default|
|     telecom|
|       video|
|      videos|
+------------+
//查询表
scala> spark.sql("show tables").show
scala> spark.sql("select * from data_connection limit 2").show

使用SparkSQL操作Hive表

• 将hive-site.xml core-site.xml hdfs-site.xml拷贝到项目得resources中，清空target.

package cn.itcast.sql

import org.apache.spark.sql.SparkSession

object HiveSupport {
  def main(args: Array[String]): Unit = {
    //创建sparkSession
    val spark = SparkSession
      .builder()
      .appName("HiveSupport")
      .master("local[*]")
      //.config("spark.sql.warehouse.dir", "hdfs://node01:8020/user/hive/warehouse")
      //.config("hive.metastore.uris", "thrift://node01:9083")
      .enableHiveSupport()//开启hive语法的支持
      .getOrCreate()
      //设置日志级别
    spark.sparkContext.setLogLevel("WARN")
    
	//查看数据库
 	spark.sql("show databases").show()
    //查看有哪些表
    spark.sql("show tables").show()

    //创建表
    spark.sql("CREATE TABLE person (id int, name string, age int) row format delimited fields terminated by ' '")

    //加载数据,数据为当前SparkDemo项目目录下的person.txt(和src平级)
    spark.sql("LOAD DATA LOCAL INPATH 'SparkDemo/person.txt' INTO TABLE person")

    //查询数据
    spark.sql("select * from person ").show()

    spark.stop()
  }
}

三个文件复制到resources

运行之前删除target包