Spark on Hive 和 Hive on Spark的区别

Spark on Hive : Hive只作为存储角色，Spark负责sql解析优化，执行。
这里可以理解为Spark 通过Spark SQL 使用Hive 语句操作Hive表 ,底层运行的还是 Spark RDD。具体步骤如下：

1. 通过SparkSQL，加载Hive的配置文件，获取到Hive的元数据信息；
2. 获取到Hive的元数据信息之后可以拿到Hive表的数据；
3. 通过SparkSQL来操作Hive表中的数据。

Hive on Spark：Hive既作为存储又负责sql的解析优化，Spark负责执行。
这里Hive的执行引擎变成了Spark，不再是MR，相较于Spark on Hive，这个实现较为麻烦，必须要重新编译spark并导入相关jar包。目前，大部分使用Spark on Hive。