spark-sql 写代码方式

1、idea里面将代码编写好打包上传到集群中运行，上线使用

	spark-submit提交

2、spark shell (repl) 里面使用sqlContext 测试使用，简单任务使用

	spark-shell --master yarn-client
	不能使用yarn-cluster Driver必须再本地启动	

3、spark-sql spark-sql --master yarn-client 不能使用yarn-cluster

	可以整合hive  使用hive的元数据
	开启hive元数据服务的目的是让spark sql 可以获取到hive的元数据

1、在hive的hive-site.xml修改一行配置，增加了这一行配置之后，以后在使用hive之前都需要先启动元数据服务

hive.metastore.uris thrift://master:9083

2、启动hive元数据服务

 		nohup  hive --service metastore >> metastore.log 2>&1 &

		验证hive是否可用

3、将hive-site.xml 复制到spark conf目录下cong

在hive/conf目录下
cp hive-site.xml /usr/local/soft/spark-2.4.5/conf/

4、 将mysql 驱动包复制到saprk jars目录下

         在hive/lib目录下
		 cp mysql-connector-java-5.1.17.jar /usr/local/soft/spark-2.4.5/jars/

 		整合好之后在spark-sql 里面就可以使用hive的表了
		spark-sql --master yarn-client  --conf  spark.sql.shuffle.partitions=2
		不能使用cluster模式

		在spark-sql中设置运行参数
		set spark.sql.shuffle.partitions=2;

上传student数据到hdaoop 并建表
create table student
(
id string,
name string,
age int,
gender string,
clazz string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘,’
STORED AS textfile
location ‘/data/student/’;

分别在hive spark查询学生数据

select clazz,count(1) from student group by clazz;

spark sql速度

hive速度