Spark SQL -- Hive

使用Saprk SQL 操作Hive的数据

前提准备：

1、启动Hdfs，hive的数据存储在hdfs中;

2、启动hive -service metastore，元数据存储在远端，可以远程访问;

3、在spark的conf目录下增加hive-site.xml配置文件，文件内容：

<configuration>
<property>
  <name>hive.metastore.uris</name>
  <value>thrift://node1:9083</value>
</property>
</configuration>

编写Scala测试程序：

object Hive {
  def main(args: Array[String]) {
    val conf = new SparkConf()
      .setAppName("HiveDataSource")
      .setMaster("spark://node1:7077")
      
    val sc = new SparkContext(conf);
    val hiveContext = new HiveContext(sc);

    hiveContext.sql("SHOW tables").show()
    sc.stop()
  }
}

将程序打包到spark主机，通过spark-submit命令执行：

./bin/spark-submit  --class com.spark.test.Hive --master spark://node1:7077  ./jar/Test.jar

关于spark-submit命令的说明，参考官网：

http://spark.apache.org/docs/1.6.0/submitting-applications.html

注意点：

1、--deploy-mode cluster 在集群模式中要注意将jar文件放到hdfs中或都存在的文件位置中。

集群模式是将程序发布到works节点运行driver程序。本地模式只运行在程序提交的节点上client，结果也只输出在终端。

--------------------------------------------------------------------------------------------------------------

重新配置CDH版本的应用，spark调用hive, 出现了找不到jar包，及配置文件的情况。

错误信息：

WARN  [Driver] metastore.HiveMetaStore: Retrying creating default database after error: Class org.datanucleus.api.jdo.JDOPersistenceManagerFactory was not found.
javax.jdo.JDOFatalUserException: Class org.datanucleus.api.jdo.JDOPersistenceManagerFactory was not found.

ERROR [Driver] yarn.ApplicationMaster: User class threw exception: java.lang.RuntimeException: org.apache.hadoop.hive.ql.metadata.HiveException: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient
java.lang.RuntimeException: org.apache.hadoop.hive.ql.metadata.HiveException: java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient

这里通过增加调用参数来实现：

/home/hadoop/app/spark-1.6.0-cdh5.10.0/bin/spark-submit 
--class HiveSql 
--master yarn-cluster 
--executor-memory 512m 
--num-executors 2 
--files /home/hadoop/app/spark-1.6.0-cdh5.10.0/conf/hive-site.xml 
--jars /home/hadoop/lib/datanucleus-rdbms-3.2.9.jar,/home/hadoop/lib/datanucleus-core-3.2.10.jar,/home/hadoop/lib/datanucleus-api-jdo-3.2.6.jar 
spark-vmware-sql.jar

引入下面三个jar包，在spark和hive的lib目录下可以找到。

datanucleus-core-3.2.10.jar 

datanucleus-api-jdo-3.2.6.jar  

datanucleus-api-jdo-3.2.6.jar