Hive on Spark and Spark sql on Hive
结构上Hive On Spark和SparkSQL都是一个翻译层，把一个SQL翻译成分布式可执行的Spark程序。Hive和SparkSQL都不负责计算。Hive的默认执行引擎是mr，还可以运行在Spark和Tez。Spark可以连接多种数据源，然后使用SparkSQL来执行分布式计算。
Hive On Spark 配置
1、首先安装包要选择对，否则就没有开始了。
Hive版本:apache-hive-2.1.1-bin.tar
spark版本:spark-1.6.3-bin-hadoop2.4-without-hive(不需要吧Hive编译进去)
2、假设你已经安装好Hive（元数据为Derby）和spark，那么默认Hive走mr，需要修改以下配置让Hive走spark
<property> <name>hive.execution.enginename> <value>sparkvalue> property> |
3、配置环境变量及运行时参数
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运行时参数，也可以在Hive运行环境中设置临时参数：
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;
|
将编译好的Spark安装包中lib目录下的spark-assembly-*.jar包添加至HIVE_HOME/lib中
4、启动Hive
/opt/hive/bin/hive --service metastore
5、启动Hive命令行窗口
beeline -u jdbc:hive2://localhost:10000
或者
/opt/hive/bin/hive
6、开启你的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、获取包
Hive版本:apache-hive-2.1.1-bin.tar
spark版本:spark-1.6.3-bin-hadoop2.4(需要吧Hive编译进去)
2、在$SPARK_HOME/conf目录创建hive-site.xml文件，内容如下：
|
3、如果你使用的元数据库是mysql,那么请把mysql驱动放到$SPARK_HOME/lib下，否则跳过
4、启动Hive元数据服务，待spark运行时访问
5、./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启用
spark提供了spark-sql命令可以直接操作hive或impala，可以启用sparkthriftserver服务，然后利用beeline远程连接spark，利用spark sql。sparksql的诞生其实就是为了代替hsql。Sparksql的元数据也是使用hive的metastore进行管理，所以需要配置hive.metastore.uris参数。
这里说下sparkthriftserver和hivethriftserver的区别，二者的端口一定要区分：
hivethriftserver：hive服务端的服务，远程通过jdbc或者beeline连接，使用hsql操作hive
sparkthriftserver：spark的服务，远程通过jdbc或者beeline连接spark，使用spark sql操作hive。
1、在$SPARK_HOME/conf目录创建hive-site.xml文件，内容如下：
|
2、启动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
启动sparkthriftserver后，后台默认会执行spark-sql命令，实际上是用spark-submit向yarn提交一个任务。这样就会在yarn的8088页面任务栏中起一个常驻任务，用来执行spark sql。
3、连接spark
./beeline -u jdbc:hive2://172.168.108.6:10001 -n root
4、这里的sql可以在8088页面看到执行过程
格式待整理，见谅！