Window使用idea操作spark连接hive

首先说下这样做的好处，不用每次都打成jar包在集群测试，直接在本地就可以测试。

 

平台环境：hadoop 2.6.0-CDH5.7  Hive 1.1.0  Spark 1.6.0  Scala 2.11.5

项目环境：jdk 1.8  scala2.11.0

1.创建新工程

1.创建一个maven工程，不做赘述。

工程目录结构如下：

2.配置环境

1.左上角File ->Project Structure ->Modules

添加依赖环境 scala-sdk-2.11.0

2.选中刚才下的scala-sdk-2.11.0 ->Add selected 添加

回到 project structure->Apply。工程环境即可看到scala-sdk-2.11.0

3.在Project Structuer 添加 scala 文件夹

右击main->New Folder 命名为scala

选中scala文件夹 点击上面Sources，一定要设置，不然无法在scala目录下创建scala Class

点击Aplly

创建scala object

4.配置本地HADOOP_HOME

下载winutils的windows的版本，地址：https://github.com/srccodes/hadoop-common-2.2.0-bin，直接下载此项目的zip包，下载后是文件名是hadoop-common-2.2.0-bin-master.zip,随便解压到一个目录 例如：（D:\profile\）

方法1：加入代码

System.setProperty("hadoop.home.dir", "D:\\profile\\hadoop-common-2.2.0-bin-master")

方法2：设置环境变量

增加用户变量HADOOP_HOME，值是下载的zip包解压的目录（D:\jars\hadoop-common-2.2.0-bin-master），然后在系统变量path里增加%HADOOP_HOME%\bin 即可

原因：程序需要根据HADOOP_HOME找到winutils.exe,由于win并没有配置该环境变量，所以程序报 null\bin\winutils.exe

 

5.配置pom.xml

    1.6.0
    2.10





    org.apache.spark
    spark-core_${scala.version}
    ${spark.version}


    org.apache.spark
    spark-streaming_${scala.version}
    ${spark.version}


    org.apache.spark
    spark-sql_${scala.version}
    ${spark.version}


    org.apache.spark
    spark-hive_${scala.version}
    ${spark.version}


    org.apache.spark
    spark-mllib_${scala.version}
    ${spark.version}

6.将hive-conf下hive-site.xml；hadoop-conf下core-site.xml；hdfs-conf下hfds-site.xml 放入工程目录resources下

将hive-site.xml复制到Spark-Home/conf目录下 重启集群生效

3.测试代码

import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.{SparkConf, SparkContext}


object App {
  def main(args: Array[String]): Unit = {
    System.setProperty("hadoop.home.dir", "D:\\jars\\hadoop-2.2.0")

    val conf = new SparkConf().setAppName("firstsparkapp").setMaster("local[*]")
    val sc = new SparkContext(conf)
    val hiveContext = new HiveContext(sc)

    hiveContext.sql("use database_name")
    hiveContext.sql("select * from user").show()
    sc.stop()

  }
}

    如果运气好，你的win配置和集群配置都配过会一次跑通，控制台会打印出user表的内容

报错

1:idea scala SDK版本需要与依赖scala jar包保持一致

报错：java.lang.NoSuchMethodError:scala,predef$.refArrayOps([Ljava/lang/Object;)Lscala/collection/mutable/ArrayOps;

 

ERROR Shell: Failed to locate the winutils binary in the hadoop binary path

可能原因：上述配置环境2.4处没配置正确。

 

java.lang.RuntimeException: java.lang.RuntimeException: The root scratch dir: /tmp/hive on HDFS should be writable. 

修改hdfs上/tmp/hive 文件夹权限

[root@n1 ~]# hadoop fs -chmod -R 777 /tmp/hive

 

在hdfs-site.xml 添加如下内容，或者将你的dfs.permissinos 设为false。（目的：关闭hdfs的权限检查，在操作hdfs上的文件时不对当前用户做权限检查）

dfs.permissions

false

修改重启集群生效

 

 

不识别hive-site.xml配置的主机名

需要在hosts文件做映射

C:\Windows\System32\drivers\etc\hosts 文末添加如下内容

192.168.1.181 n1

192.168.1.182 n2

192.168.1.183 n3

无法删除 spark临时文件

ERROR ShutdownHookManager: Exception while deleting Spark temp dir: C:\Users\wgh\AppData\Local\Temp\spark-2920e89f-1a08-4f9a-b684-96a38637c3ee

不影响，win连接spark的bug

Permission denied: user=root, access=WRITE, inode=”/user”:hdfs:supergroup:dr

这个问题的原因是因为Idea在执行程序时，使用了系统用户作为向Hadoop进行写的用户了。比如，你的电脑系统用户是：administrator，而你的Hadoop用户是：hadoop，用户不一样，所以写不进去。

解决办法：设置“HADOOP_USER_NAME=hadoop”为环境变量。
设置的办法有两个：

在Idea里进行设置，点上面的“Edit Configurations”，然后选择要执行的Application，在右边进行设置“Environment Variables”。

设置完后，可以用System.getenv()方法进行测试，看是否能读取到。

spark初学者，有不对的地方请大牛指点指点。