Spark On Hive原理和配置

news/2025/2/22 0:06:24/

目录

一、Spark On Hive原理

        （1）为什么要让Spark On Hive？

二、MySQL安装配置（root用户）

        （1）安装MySQL

        （2）启动MySQL设置开机启动

        （3）修改MySQL密码

三、Hive安装配置

        （1）修改Hadoop的core-site.xml

        （2）创建hive-site.xml

        （3）修改配置文件hive-env.sh

        （4）上传mysql连接驱动

        （5）初始化元数据 （Hadoop集群启动后）      

        （6）创建logs目录，启动元数据服务

        （7）启动Hive shell

四、Spark On Hive配置

        （1）创建hive-site.xml（spark/conf目录）

        （2）放置MySQL驱动包

        （3）查看hive的hive-site.xml配置

        （4）启动hive的MetaStore服务

        （5）Spark On Hive测试

        （6）Pycharm-spark代码连接测试

一、Spark On Hive原理

        （1）为什么要让Spark On Hive？

        对于Spark来说，自身是一个执行引擎。但是Spark自己没有元数据管理功能，当我们执行： SELECT * FROM person WHERE age > 10的时候， Spark完全有能力将SQL变成RDD提交。

        但是问题是，Person的数据在哪? Person有哪些字段?字段啥类型? Spark完全不知道了。不知道这些东西，如何翻译RDD运行。在SparkSQL代码中可以写SQL那是因为，表是来自DataFrame注册的。 DataFrame中有数据，有字段，有类型，足够Spark用来翻译RDD用.。如果以不写代码的角度来看，SELECT * FROM person WHERE age > 10 spark无法翻译，因为没有元数据。

        解决方案：

        Spark提高执行引擎能力，Hive的MetaStore提供元数据管理功能。选择Hive的原因是使用Hive的用户数量多。

Hive与SparkOnHive流程示意图

二、MySQL安装配置（root用户）

        （1）安装MySQL

        命令：

        rpm  --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022

        rpm -Uvh https://repo.mysql.com//mysql57-community-release-el7-7.noarch.rpm

        yum -y install mysql-community-server

        （2）启动MySQL设置开机启动

        命令：

        systemctl start mysqld

        systemctl enable mysqld

        （3）修改MySQL密码

        命令：

        查看密码：grep 'temporary password' /var/log/mysqld.log

        修改密码：

mysql -uroot -p  #登录MySQL，密码是刚刚查看的临时密码set global validate_password_policy=LOW;   #密码安全级别低set  global  validate_password_length=4;  #密码长度最低四位ALTER USER 'root'@'localhost' IDENTIFIED BY '密码'; # 设置用户和密码
# 配置远程登陆用户以及密码
grant all privileges on *.* to root@"%" identified by 'root' with grant option;flush privileges;

三、Hive安装配置

        （1）修改Hadoop的core-site.xml

        添加内容如下:

     <property>
            <name>hadoop.proxyuser.noregrets.hosts</name>
            <value>*</value>
    </property>
    <property>
            <name>hadoop.proxyuser.noregrets.groups</name>
            <value>*</value>
    </property>

        上传解压安装Hive压缩包并构建软连接
        命令：

        解压：tar -zvxf apache-hive-3.1.3-bin-tar-gz -C /export/servers

        构建软连接：ln -s /export/servers/apache-hive-3.1.3-bin/ /export/servers/hive

        （2）创建hive-site.xml

        命令：

        cd /export/servers/hive/conf

        vim hive-site.xml

        添加内容如下：

<configuration>

        <!-- 存储元数据mysql相关配置 -->

        <property>
            <name>javax.jdo.option.ConnectionURL</name>
            <value>jdbc:mysql://pyspark01:3306/hive?createDatabaseIfNotExist=true&useSSL=false&useUnicode=true&characterEncoding=UTF-8</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>root</value>

        </property>

        <!-- H2S运行绑定host -->

        <property>

                <name>hive.server2.thrift.bind.host</name>

                <value>pyspark01</value>

        </property>

        <!-- 远程模式部署metastore metastore地址 -->

        <property>

                <name>hive.metastore.uris</name>

                <value>thrift://pyspark01:9083</value>

        </property>

        <!-- 关闭元数据存储授权 -->

        <property>

                <name>hive.metastore.event.db.notification.api.auth</name>

                <value>false</value>

        </property>

</configuration>

        （3）修改配置文件hive-env.sh

        命令：

        cd /export/servers/hive/conf

        cp hive-env.sh.template hive-env.sh

        vim hive-env.sh（修改第48行内容）

        内容如下：

        export HADOOP_HOME=/export/servers/hadoop
        export HIVE_CONF_DIR=/export/servers/hive/conf
        export HIVE_AUX_JARS_PATH=/export/servers/hive/lib

        （4）上传mysql连接驱动

链接：https://pan.baidu.com/s/1MJ9QBsE3h1FAxuB3a4iyVw?pwd=1111 
提取码：1111 

        MySQL5使用5的连接版本，MySQL8使用8的连接版本。

        （5）初始化元数据 （Hadoop集群启动后）      

        命令：

        登录数据库：

        mysql -uroot -p

        CREATE DATABASE hive CHARSET UTF8;        #建表

        cd /export/server/hive/

        bin/schematool -initSchema -dbType mysql -verbos

        #初始化成功会在mysql中创建74张表

        （6）创建logs目录，启动元数据服务

        命令：

        创建文件夹：mkdir logs

        启动元数据服务：nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &

        （7）启动Hive shell

        命令：bin/hive（配置环境变量可直接使用hive）

四、Spark On Hive配置

        （1）创建hive-site.xml（spark/conf目录）

        添加内容如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!--告知Spark创建表存到哪里-->
        <property>
                <name>hive.metastore.warehouse.dir</name>
                <value>/user/hive/warehouse</value>
        </property>
        <property>
                <name>hive.metastore.local</name>
                <value>false</value>
        </property>
<!--告知Spark Hive的MetaStore在哪-->
        <property>
                <name>hive.metastore.uris</name>
                <value>thrift://pyspark01:9083</value>
        </property>
</configuration>

        （2）放置MySQL驱动包

        （3）查看hive的hive-site.xml配置

        确保有如下配置：

        （4）启动hive的MetaStore服务

        命令：

        nohup bin/hive --service metastore >> logs/metastore.log 2>&1 &

        （5）Spark On Hive测试

        ①创建表sparkonhive

        命令：

        在spark目录下：

        bin/spark         

        spark.sql('create table sparkonhive(id int)' )

        ②进入查看查看

        命令：

        hive目录：

        bin/hive(配置过环境变量可直接使用hive)

        （6）Pycharm-spark代码连接测试

        在Linux的sparkSQl终端或者hive终端创建学生表，然后使用spark代码查询。

        命令：

        create table student(id int, name string);

        insert into student values(1,'张三'),(2, '李四');

        使用spark代码查询

        在Spark代码中加上如下内容

# cording:utf8
import string
from pyspark.sql import SparkSession
import pyspark.sql.functions as F
from pyspark.sql.types import IntegerType, StringType, StructType, ArrayType
if __name__ == '__main__':spark = SparkSession.builder.\appName('udf_define').\master('local[*]').\config('spark.sql.shuffle.partitions', 2).\config('spark.sql.warehouse.dir', 'hdfs://pyspark01:8020/user/hive/warehouse').\config('hive.metastore.uris', 'thrift://pyspark01:9083').\enableHiveSupport().\getOrCreate()sc = spark.sparkContextspark.sql('''SELECT * FROM student''').show()


http://www.ppmy.cn/news/1182731.html

相关文章

小黑子—spring：第一章 Bean基础

小黑子—spring：第一章 Bean基础

spring入门1.0 一 小黑子对spring基础进行概述1.1 spring导论1.2 传统Javaweb开发困惑及解决方法1.3 三大的思想提出1.3.1 IOC入门案例1.3.2 DI入门案例 1.4 框架概念1.5 初识spring1.5.1 Spring Framework 1.6 BeanFactory快速入门1.7 ApplicationContext快速入门1.8 BeanFact…
阅读更多...
NNDL：作业五

NNDL：作业五

习题4-1 对于一个神经元,并使用梯度下降优化参数w时,如果输入x恒大于0,其收敛速度会比零均值化的输入更慢. 证明&#xff1a; 激活函数以sigmoid为例。 神经元&#xff1a;有两层&#xff0c;线性层和激活层&#xff1a;yw*xb,然后y‘sigmoid(y)&#xff0c;也就是。 梯度…
阅读更多...
AltiumDesigner原理图编译错误报告信息解释

AltiumDesigner原理图编译错误报告信息解释

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 文章目录 前言一、ViolationsAssociated with Buses 有关总线电⽓错误的各类型&#xff08;共 12 项&#xff09;二、ViolationsAssociated Components 有关元件符号电⽓错误…
阅读更多...
VUE环境搭建

VUE环境搭建

1、安装 — Vue.js vue2官网 2、安装开发者工具&#xff0c;并且放入浏览器的插件里&#xff0c;开启开发者模式 3、初始环境 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta name"viewport"…
阅读更多...
@Embeddable and @ElementCollection 嵌套导致SpringBoot程序无法启动的问题

@Embeddable and @ElementCollection 嵌套导致SpringBoot程序无法启动的问题

遇到了Embeddable and ElementCollection 嵌套导致SpringBoot程序无法启动的问题。现象和StackOverflow上的这个问题一模一样&#xff1a;java - Embeddable and ElementCollection nesting - Stack Overflow。理解了下报错原因&#xff0c;特在此写篇文章记录一下。 具体报错信…
阅读更多...
缺少d3dx9_43.dll怎么解决 win系统如何运行dll文件?

缺少d3dx9_43.dll怎么解决 win系统如何运行dll文件?

大家好&#xff01;今天我来给大家分享一下关于d3dx9_43.dll缺失的4种详细解决方案。 首先&#xff0c;让我们了解一下d3dx9_43.dll是什么文件。其实&#xff0c;d3dx9_43.dll是DirectX的一个组件&#xff0c;它主要负责处理游戏中的一些特效和动画效果。如果这个文件丢失了&a…
阅读更多...
【VUE】ArcoDesign之自定义主题样式和命名空间

【VUE】ArcoDesign之自定义主题样式和命名空间

前言 Arco Design是什么&#xff1f; Arco Design 是由字节跳动推出的企业级产品的完整设计和开发解决方案前端组件库 官网地址&#xff1a;https://arco.design/同时也提供了一套开箱即用的中后台前端解决方案&#xff1a;Arco Design Pro(https://pro.arco.design/) Arco De…
阅读更多...
GoLong的学习之路（十二）语法之标准库 flag的使用

GoLong的学习之路（十二）语法之标准库 flag的使用

上回书说到&#xff0c;fmt的标准库的一些常用的使用函数。这次说flag的使用&#xff0c;以下这些库要去做了解。不然GG&#xff0c;Go语言内置的flag包实现了命令行参数的解析&#xff0c;flag包使得开发命令行工具更为简单。 文章目录 os.Argsflag包flag.Type()flag.TypeVar(…
阅读更多...
最新文章

Copyright @ 2022~2023