hadoop - ¿Cómo conectarse a un Hive metastore programáticamente en SparkSQL?

apache-spark apache-spark-sql

Question

Estoy usando HiveContext con SparkSQL y estoy tratando de conectarme a un Hive metastore remoto, la única forma de configurar el hive metastore es incluir hive-site.xml en el classpath (o copiarlo a / etc / spark / conf /).

¿Hay alguna manera de establecer este parámetro mediante programación en un código java sin incluir hive-site.xml? Si es así, ¿cuál es la configuración de Spark para usar?

Answer 1

El siguiente código funcionó para mí. Podemos ignorar la configuración de hive.metastore.uris para hive.metastore.uris local, spark creará objetos de colmena en el directorio de almacén de repuesto localmente.

import org.apache.spark.sql.SparkSession;

object spark_hive_support1 
{
  def main (args: Array[String]) 
   {
    val spark = SparkSession
      .builder()
      .master("yarn")
      .appName("Test Hive Support")
      //.config("hive.metastore.uris", "jdbc:mysql://localhost/metastore")
      .enableHiveSupport
      .getOrCreate();

    import spark.implicits._

    val testdf = Seq(("Word1", 1), ("Word4", 4), ("Word8", 8)).toDF;
    testdf.show;
    testdf.write.mode("overwrite").saveAsTable("WordCount");
  }
}

Answer 2

En spark 2.0. + Debería verse así:

No olvide reemplazar el "hive.metastore.uris" por el suyo. Esto supone que ya tiene un servicio de metastore de colmena iniciado (no un servidor de colmena).

 val spark = SparkSession
          .builder()
          .appName("interfacing spark sql to hive metastore without configuration file")
          .config("hive.metastore.uris", "thrift://localhost:9083") // replace with your hivemetastore service''s thrift url
          .enableHiveSupport() // don''t forget to enable hive support
          .getOrCreate()

        import spark.implicits._
        import spark.sql
        // create an arbitrary frame
        val frame = Seq(("one", 1), ("two", 2), ("three", 3)).toDF("word", "count")
        // see the frame created
        frame.show()
        /**
         * +-----+-----+
         * | word|count|
         * +-----+-----+
         * |  one|    1|
         * |  two|    2|
         * |three|    3|
         * +-----+-----+
         */
        // write the frame
        frame.write.mode("overwrite").saveAsTable("t4")

Answer 3

Para Spark 1.x, puede configurar con:

System.setProperty("hive.metastore.uris", "thrift://METASTORE:9083");

final SparkConf conf = new SparkConf();
SparkContext sc = new SparkContext(conf);
HiveContext hiveContext = new HiveContext(sc);

O

final SparkConf conf = new SparkConf();
SparkContext sc = new SparkContext(conf);
HiveContext hiveContext = new HiveContext(sc);
hiveContext.setConf("hive.metastore.uris", "thrift://METASTORE:9083");

Actualice si su colmena está kerberizada :

Intente configurarlos antes de crear HiveContext:

System.setProperty("hive.metastore.sasl.enabled", "true");
System.setProperty("hive.security.authorization.enabled", "false");
System.setProperty("hive.metastore.kerberos.principal", hivePrincipal);
System.setProperty("hive.metastore.execute.setugi", "true");

Answer 4

Versión Spark: 2.0.2

Versión de la colmena: 1.2.1

A continuación, el código Java funcionó para mí para conectarme a Hive metastore desde Spark:

import org.apache.spark.sql.SparkSession;

public class SparkHiveTest {

    public static void main(String[] args) {

        SparkSession spark = SparkSession
                  .builder()
                  .appName("Java Spark Hive Example")
                  .config("spark.master", "local")
                  .config("hive.metastore.uris",                
                   "thrift://maxiqtesting123.com:9083")
                  .config("spark.sql.warehouse.dir", "/apps/hive/warehouse")
                  .enableHiveSupport()
                  .getOrCreate();

        spark.sql("SELECT * FROM default.survey_data limit 5").show();
    }
}

Answer 5

Yo también enfrenté el mismo problema, pero lo resolví. Simplemente siga estos pasos en la versión Spark 2.0

Paso 1: Copie el archivo hive-site.xml de la carpeta conf de Hive a spark conf.

Paso 2: edite el archivo spark-env.sh y configure su controlador mysql. (Si está utilizando Mysql como una colmena metastore).

O agregue controladores MySQL a Maven / SBT (si los usa)

Paso 3: Cuando esté creando sesión de chispa, agregue enableHiveSupport ()

val spark = SparkSession.builder.master ("local"). appName ("testing") .enableHiveSupport () .getOrCreate ()

Código de muestra:

package sparkSQL

/**
  * Created by venuk on 7/12/16.
  */

import org.apache.spark.sql.SparkSession

object hivetable {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder.master("local[*]").appName("hivetable").enableHiveSupport().getOrCreate()

    spark.sql("create table hivetab (name string, age int, location string) row format delimited fields terminated by '','' stored as textfile")
    spark.sql("load data local inpath ''/home/hadoop/Desktop/asl'' into table hivetab").show()
    val x = spark.sql("select * from hivetab")
    x.write.saveAsTable("hivetab")
  }
}

Salida: