SparkSQL编程方式纯SQL读写Hive数据源

Posted 若兰幽竹

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SparkSQL编程方式纯SQL读写Hive数据源相关的知识,希望对你有一定的参考价值。

一、准备工作


  • 实验环境:IDEA + CentOS7 + Spark2.4.8+Hive2.3.3+mysql2.7+Hadoop2.7.3
  • 数据准备:Hive中的emp员工信息表
  • 前置工作:
    • Hadoop开启HDFS服务(必选
    • 开启hiveserver2服务(可选)
    • 开启Spark服务(可选)
    • 将hive-site.xml复制到idea工程下的resources目录下(必选

二、任务分析


借助sparksql读写hive表,利用纯的SQL来完成对emp表中按照部门求其工资,并按照工资总额进行降序排序。

三、编码实现


  • 创建maven工程
  • 添加maven依赖,即在pom.xml中添加hive的依赖,spark的依赖请参考之前的实验,如下:
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-hive_2.12</artifactId>
        <version>2.4.8</version>
    </dependency>
    
  • 将虚拟机中的hive-site.xml导出来,并放置在idea工程resources目录下,如图所示:
  • 创建HiveDemo.scala的object对象,编写如下代码即可:
import org.apache.spark.sql.SparkSession

object HiveDemo {
  def main(args: Array[String]): Unit = {
    val spark: SparkSession = SparkSession
      .builder()
      .master("local[2]")
      .appName("Test")
      // 如不配置,则使用本地的warehouse
      .config("spark.sql.warehouse.dir", "hdfs://niit01:9000/user/hive/warehouse")
      .enableHiveSupport()
      .getOrCreate()
	// 引入隐士函数
    import spark.implicits._
    import spark.sql

    sql("select deptNo,sum(sal) as total from emp group by deptNo order by total desc").show
	// 关系资源
	spark.stop()
  }
}

注意代码中的.config部分是hdfs上的路径,故需要开启hdfs服务。如删除.config,则会在工程目录下生成metastore_db目录,其作为hive的元数据库的目录

五、运行测试


以上是关于SparkSQL编程方式纯SQL读写Hive数据源的主要内容,如果未能解决你的问题,请参考以下文章

HIVE_SQL转SparkSQL 简单示例

SparkSQl简单使用

12.spark sql之读写数据

SparkSQL四种连接Hive的方法

spark sql读写hive的过程

SparkSQL远程访问CDH集群Hive数据表