spark hive 数据不一致 spark默认本地数据元 spark不能插入hive数据

场景：spark+hive采用客户端和服务端分离的模式，客户端启动spark-sql 或者spark-submit、spark-shell 操作的都是本地数据源，无论服务端hive有没有启动，烦恼了一周，终于有了解决办法。

问题重现：采用spark-submit提交的方式

conf = (SparkConf().setAppName("My app"))
sc = SparkContext(conf = conf)
hive_context = HiveContext(sc)
hive_context.sql(''' show tables ''').show()

　　--------+---------+-----------+
　　|database|tableName|isTemporary|
　　+--------+---------+-----------+
　　| default| camera| false|
　　| default| src| false|
　　+--------+---------+-----------+

hive_context.sql(''' select * from camera ''').show()

　　+---+-------+---------+
　　| id|test_id|camera_id|
　　+---+-------+---------+
　　+---+-------+---------+

hive_context.sql(''' insert into table camera values(1,"3","145") ''').show()

　　++
　　||
　　++
　　++

hive_context.sql(''' select * from camera ''').show()

　　+---+-------+---------+
　　| id|test_id|camera_id|
　　+---+-------+---------+
　　+---+-------+---------+

　　同样采用spark-sql 也看不到hive的表　　

解决方法：

在pyspark编程时加上配置信息，怀疑是spark启动时并没有读取conf下的hive—sit.xml文件

spark = SparkSession 
    .builder 
    .appName("Python Spark SQL Hive integration example") 
    .config("spark.sql.warehouse.dir", "/usr/hive/warehouse") 
        .config("hive.metastore.uris","thrift://slave1:9083") 
    .config("fs.defaultFS","hdfs://master:9000") 
    .enableHiveSupport() 
    .getOrCreate()

# spark is an existing SparkSession
spark.sql("CREATE TABLE IF NOT EXISTS src (key INT, value STRING) USING hive")

spark.sql(''' insert into table src values(1,"145") ''').show()

# Queries are expressed in HiveQL
spark.sql("SELECT * FROM src").show()

　　+---+-----+
　　|key|value|
　　+---+-----+
　　| 1| 145|
　　+---+-----+

　　终于有了数据，注意服务器需要先后台开启 nohup hive --service metastore &

最后附上服务端和客户端的hive-site.xml文件

服务端slave1 (/usr/hive/conf/）hive-site.xml

<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:mysql://master:3306/metastore?createDatabaseIfNotExist=true</value>
  <description>the URL of the MySQL database</description>
</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>datanucleus.autoCreateSchema</name>
  <value>false</value>
</property>

<property>
  <name>datanucleus.fixedDatastore</name>
  <value>true</value>
</property>

<property>
  <name>datanucleus.autoStartMechanism</name> 
  <value>SchemaTable</value>
</property> 

<property>
<name>hive.metastore.schema.verification</name>
<value>true</value>
</property>
<property>
    <name>hive.metastore.warehouse.dir</name>
    <value>/usr/hive/warehouse</value>
    <description>location of default database for the warehouse</description>
  </property>

</configuration>

　　客户端master (/usr/spark/conf/ && /usr/hive/conf/ ）hive-site.xml

<property>
<name>hive.metastore.uris</name>
<value>thrift://slave1:9083</value>
<description></description>
</property>
<property>
    <name>hive.metastore.warehouse.dir</name>
    <value>/usr/hive/warehouse</value>
    <description>location of default database for the warehouse</description>
  </property>
<property>
 <name>hive.exec.scratchdir</name>
 <value>/usr/hive/tmp</value>
</property>

<property>
 <name>hive.querylog.location</name>
 <value>/usr/hive/log</value>
</property>
</configuration>

　　配置并不是关键，还有可能是错的，但在编写pyspark程序时，必须加上那三句配置

完！