SparkSQL和IDEA整合Hive詳解
阿新 • • 發佈:2021-01-19
簡介: 程式碼誰都會敲,關鍵是要邏輯要清楚
- 1-為什麼出現SparkOnHive(SparkSQL)?
- 1-本質上SparkOnHive為了解決Hive計算的速度慢的問題
- 2-現在在工業場景中更多的離線分析都是基於Hive+Spark的整合
- 2-注意:
- SparkOnHive僅僅使用了Hive的元資料的資訊,其他都是用spark的技術
- 需要將hive的hive-site.xml拷貝到spark/conf中實現spark知曉hive的元資料資訊、
- 3-步驟:
- 1-原理:需要整合Hive的元資料的資訊,啟動metastor的服務
1. SparkSQL 整合Hive
第一步:將hive-site.xml拷貝到spark安裝路徑conf目錄
因為Hive僅僅只是一個操作MapReduce的一個客戶端工具,所以我就在我的第三臺主機上安裝了Hive
在node3執行以下命令來拷貝hive-site.xml到所有的spark安裝伺服器上面去
cd /export/server/hive/conf
cp hive-site.xml /export/server/spark/conf/
scp hive-site.xml root@node2:/export/server/spark/conf/
scp hive-site.xml root@node1:/export/server/spark/conf/
第二步:將mysql的連線驅動包拷貝到spark的jars目錄下
node3執行以下命令將連線驅動包拷貝到spark的jars目錄下,三臺機器都要進行拷貝
cd /export/server/hive/lib
cp mysql-connector-java-5.1.38.jar /export/server/spark/jars/
scp mysql-connector-java-5.1.38.jar root@node2:/export/server/spark/jars/
scp mysql-connector-java-5.1.38.jar root@node1:/export/server/spark/jars/
第三步:Hive開啟MetaStore服務
1: 修改 hive/conf/hive-site.xml 新增如下配置 <?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration> <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://node3:9083</value> </property> </configuration> 2: 後臺啟動 Hive MetaStore服務 nohup /export/server/hive/bin/hive --service metastore & 或者 nohup /export/server/hive/bin/hive --service metastore 2>&1 >> /var/log.log &
第四步:測試Sparksql整合Hive是否成功
先啟動hadoop叢集,在啟動spark叢集,確保啟動成功之後node01執行命令:
Spark-Shell方式啟動:
bin/spark-shell --master local[3]
spark.sql("show databases").show
看到資料的結果,說明sparksql整合hive成功!
日誌太多,我們可以修改spark的日誌輸出級別(conf/log4j.properties)
Hive中建立的表可以在Spark shell中看見
2. IDEA整合Hive
1.準備:
2. 配置檔案中解釋
3-注意 設定sql的shuffle的引數
spark.default.parallieize只能用於sparkcore的rdd的shuffle中
官網截圖
4-程式碼
/**
* @author liu a fu
* @date 2021/1/18 0018
* @version 1.0
* @DESC: 整合Hive和SparkSQL
* 1-準備SparkSession的環境
* 2-使用spark.sql(hive的建立資料庫的語句)
* 3-使用spark.sql(hive的建立表的語句)
* 4-使用spark.sql(hive的展示資料庫表的語句)
* 5-使用spark.sql(hive的載入本地檔案的資料)
* 6-使用spark.sql查詢
* 7-停止sparksession
*/
object SparkToHive {
def main(args: Array[String]): Unit = {
//1-準備SparkSession的環境
val spark: SparkSession = SparkSession.builder()
.appName(this.getClass.getSimpleName.stripSuffix("$"))
.master("local[4]")
.enableHiveSupport()
.config("spark.sql.shuffle.partitions", "4")//預設200
//元資料的資訊放在那裡
//thrift的地址是哪個
//指定hive元資料在hdfs上的位置
.config("spark.sql.warehouse.dir", "hdfs://node1:8020/user/hive/warehouse")
// 指定Hive MetaStore服務地址,客戶端連線metastore服務,metastore再去連線MySQL資料庫來存取元資料有了metastore服務,就可以有多個客戶端同時連線,而且這些客戶端不需要知道MySQL資料庫的使用者名稱和密碼,只需要連線metastore 服務即可。
.config("hive.metastore.uris", "thrift://node3:9083") //Hive安裝的位置
// TODO: 告訴Spark要整合Hive,讀取Hive表的資料
.getOrCreate()
spark.sparkContext.setLogLevel("WARN")
//2-使用spark.sql(hive的建立資料庫的語句)
spark.sql("show databases")
spark.sql("use sparkhive")
//3-使用spark.sql(hive的建立表的語句)
spark.sql("create table student(id int,name String,age int) row format delimited fields terminated by \",\"")
//4-使用spark.sql(hive的展示資料庫表的語句)
spark.sql("load data local inpath 'data/input/sql/hive/student.csv' overwrite into table student")
//5-使用spark.sql(hive的載入本地檔案的資料)
//6-使用spark.sql查詢
spark.sql("desc student").show()
spark.sql("select * from student").show()
//7-停止sparksession
spark.stop()
}
}