Spark SQL：使用数据源之使用Hive Table

一.使用Hive Table(把Hive中的数据，读取到Spark SQL 中)

1.首先，搭建Hive的环境(分离式)

(1)关系：搭建分离式的Hive，

• 一台机器用作Hive Server(hadoop2)，
• 一台机器用作Hive Client(hadoop3)

(2)配置hive环境，见前面的文章
(3)修改两台机器的hive-site.xml文件
这两台hive中其他配置文件一样，只有hive-site.xml有区别

(a)其中Hive Server的hive-site.xml配置如下:

<configuration> 
    <property> 
        <name>hive.metastore.warehouse.dir</name>  
        <value>/user/hive/warehouse</value> 
    </property>  
    <property> 
        <name>javax.jdo.option.ConnectionURL</name>  
        <value>jdbc:mysql://hadoop1:3306/metastore1?serverTimezone=UTC</value> 
    </property>  
    <property> 
        <name>javax.jdo.option.ConnectionDriverName</name>  
        <value>com.mysql.jdbc.Driver</value> 
    </property>  
    <property> 
        <name>javax.jdo.option.ConnectionUserName</name>  
        <value>root</value> 
    </property>  
    <property> 
        <name>javax.jdo.option.ConnectionPassword</name>  
        <value>123456</value> 
    </property>  
    <property> 
        <name>hive.querylog.location</name>  
        <value>/data/hive/iotmp</value> 
    </property>  
    <property> 
        <name>hive.server2.logging.operation.log.location</name>  
    <value>/data/hive/operation_logs</value> 
    </property>  
    <property> 
        <name>datanucleus.readOnlyDatastore</name>  
        <value>false</value> 
    </property>  
    <property> 
        <name>datanucleus.fixedDatastore</name>  
        <value>false</value> 
    </property>  
    <property> 
        <name>datanucleus.autoCreateSchema</name>  
        <value>true</value> 
    </property>  
    <property> 
        <name>datanucleus.autoCreateTables</name>  
        <value>true</value> 
    </property>  
    <property> 
        <name>datanucleus.autoCreateColumns</name>  
        <value>true</value> 
    </property> 
    <property>
        <name>datanucleus.schema.autoCreateAll</name>
        <value>true</value>
    </property>
</configuration>

(b)Hive Client 中hive-site.xml配置如下：

<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://192.168.1.122:9083</value>
    </property>
</configuration>    

Hive Client

2.配置Spark SQL支持Hive

(1)只需要将以下文件拷贝到$SPARK_HOME/conf的目录下，即可

• $HIVE_HOME/conf/hive-site.xml(拷贝Hive Client中的hive-site.xml)
• $HADOOP_CONF_DIR/core-site.xml

• $HADOOP_CONF_DIR/hdfs-site.xml

  
  

3.启动Hadoop集群

4.启动hive：

(1)hadoop2机器：启动Hive Server

cd /opt/module/hive-1.2.1

bin/hive --service metastore

Hive Server

(2)hadoop3机器：启动Hive Client

cd /opt/module/hive-1.2.1

bin/hive

Hive Client

5.使用Spark Shell操作Hive

(1)启动Spark Shell的时候，需要使用--jars指定mysql的驱动程序

启动Spark

cd /opt/module/spark-2.1.0-bin-hadoop2.7

bin/spark-shell --master spark://hadoop1:7077

spark.sql("select * from default.emp").show

查询Hive中的表

(2)创建表

spark.sql("create table movle.src (key INT, value STRING) row format    delimited fields terminated by ','")

创建表1

创建表2

(3)导入数据

spark.sql("load data local path '/root/temp/data.txt' into table src")

(4)查询数据

spark.sql("select * from src").show

6.使用spark-sql操作Hive

(1)启动spark-sql的时候，需要使用--jars指定mysql的驱动程序
(2)操作Hive

spark.sql("show tables").show