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： 

hive.metastore.uris thrift://master1:9083 Thrift URI for the remote metastore. Used by metastore client to connect to remote metastore.

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： 

hive.metastore.uris thrift://master1:9083 Thrift URI for the remote metastore. Used by metastore client to connect to remote metastore. hive.server2.thrift.min.worker.threads 5 hive.server2.thrift.max.worker.threads 500 hive.server2.thrift.port 10001 hive.server2.thrift.bind.host master

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！