Hive on Spark和Spark sql on Hive，你能分的清楚麼

華為雲開發者社群發表於2022-01-04
HiveSparkSQL
摘要：結構上Hive On Spark和SparkSQL都是一個翻譯層，把一個SQL翻譯成分散式可執行的Spark程式。

本文分享自華為雲社群《Hive on Spark和Spark sql on Hive有啥區別？》，作者：dayu_dls 。

結構上Hive On Spark和SparkSQL都是一個翻譯層，把一個SQL翻譯成分散式可執行的Spark程式。Hive和SparkSQL都不負責計算。Hive的預設執行引擎是mr，還可以執行在Spark和Tez。Spark可以連線多種資料來源，然後使用SparkSQL來執行分散式計算。

Hive On Spark 配置

（1）首先安裝包要選擇對，否則就沒有開始了。

Hive版本:apache-hive-2.1.1-bin.tar

spark版本:spark-1.6.3-bin-hadoop2.4-without-hive(不需要把Hive編譯進去)

（2）假設你已經安裝好Hive（後設資料為Derby）和spark，那麼預設Hive走mr，需要修改以下配置讓Hive走spark

<property>
    <name>hive.execution.engine</name>
    <value>spark</value>
</property>

（3）配置環境變數及執行時引數

在hive-site.xml中配置SPARK_HOME；

在hive-site.xml或者或者spark-default.conf或者spark-env.conf配置spark執行時引數，也可以在Hive執行環境中設定臨時引數：

set spark.master=<Spark Master URL>
set spark.eventLog.enabled=true;
set spark.eventLog.dir=<Spark event log folder (must exist)>
set spark.executor.memory=512m;            
set spark.serializer=org.apache.spark.serializer.KryoSerializer;

將編譯好的Spark安裝包中lib目錄下的spark-assembly-*.jar包新增至HIVE_HOME/lib中

（4）啟動Hive

/opt/hive/bin/hive --service metastore

（5）啟動Hive命令列視窗

beeline -u jdbc:hive2://localhost:10000  或者  /opt/hive/bin/hive

（6）開啟你的Hive on spark之旅

0: jdbc:hive2://localhost:10000> create table test (f1 string,f2 string) stored as orc;

No rows affected (2.018 seconds)

0: jdbc:hive2://localhost:10000> insert into test values(1,2);

Spark sql on Hive

（1）獲取包

Hive版本:apache-hive-2.1.1-bin.tar

spark版本:spark-1.6.3-bin-hadoop2.4(需要把Hive編譯進去)

（2）在$SPARK_HOME/conf目錄建立hive-site.xml檔案，內容如下：

<configuration>  
<property>  
    <name>hive.metastore.uris</name>  
    <value>thrift://master1:9083</value>  
    <description>Thrift URI for the remote metastore. Used by metastore client to connect to remote metastore.</description>  
  </property>  
</configuration>

（3）如果你使用的後設資料庫是mysql,那麼請把mysql驅動放到$SPARK_HOME/lib下，否則跳過。

（4）啟動Hive後設資料服務，待spark執行時訪問。

（5）執行命令

./bin/spark-shell --master spark://master:7077
scala> val hc = new org.apache.spark.sql.hive.HiveContext(sc);
scala> hc.sql("show tables").collect.foreach(println)
[sougou,false]
[t1,false]

Sparkthriftserver啟用

spark提供了spark-sql命令可以直接操作hive或impala，可以啟用sparkthriftserver服務，然後利用beeline遠端連線spark，利用spark sql。sparksql的誕生其實就是為了代替hsql。Sparksql的後設資料也是使用hive的metastore進行管理，所以需要配置hive.metastore.uris引數。

這裡說下sparkthriftserver和hivethriftserver的區別，二者的埠一定要區分：

hivethriftserver：hive服務端的服務，遠端通過jdbc或者beeline連線，使用hsql操作hive。

sparkthriftserver：spark的服務，遠端通過jdbc或者beeline連線spark，使用spark sql操作hive。

（1）在$SPARK_HOME/conf目錄建立hive-site.xml檔案，內容如下：

<configuration>  
<property>  
    <name>hive.metastore.uris</name>  
    <value>thrift://master1:9083</value>  
    <description>Thrift URI for the remote metastore. Used by metastore client to connect to remote metastore.</description>  
  </property>  
<!--Thrift JDBC/ODBC server-->
   <property>
       <name>hive.server2.thrift.min.worker.threads</name>
       <value>5</value>
   </property>
   <property>
       <name>hive.server2.thrift.max.worker.threads</name>
       <value>500</value>
   </property>
   <property>
       <name>hive.server2.thrift.port</name>
       <value>10001</value>
   </property>
   <property>
       <name>hive.server2.thrift.bind.host</name>
       <value>master</value>
   </property>
</configuration>

（2）啟動sparkthriftserver

./start-thriftserver.sh --hiveconf hive.server2.thrift.port=10000 --master yarn --driver-class-path /data/spark-2.2.0-bin-hadoop2.7/jars/mysql-connector-java-5.1.43-bin.jar --executor-memory 5g --total-executor-cores 5
啟動sparkthriftserver後，後臺預設會執行spark-sql命令，實際上是用spark-submit向yarn提交一個任務。這樣就會在yarn的8088頁面工作列中起一個常駐任務，用來執行spark sql。

（3）連線spark

./beeline -u jdbc:hive2://172.168.108.6:10001 -n root
（4）這裡的sql可以在8088頁面看到執行過程。

 

點選關注，第一時間瞭解華為雲新鮮技術~

相關文章