hive配置
编辑 $HIVE_HOME/conf/hive-site.xml,增加如下内容:
<property> <name>hive.metastore.uris</name> <value>thrift://master:9083</value> <description>Thrift uri for the remote metastore. Used by metastore client to connect to remote metastore.</description></property>12345
![]()
启动hive metastore
启动 metastore: $hive --service metastore & 查看 metastore: $jobs[1]+ Running hive --service metastore & 关闭 metastore:$kill %1kill %jobid,1代表job id1234567891011
![]()
spark配置
将 $HIVE_HOME/conf/hive-site.xml copy或者软链 到 $SPARK_HOME/conf/将 $HIVE_HOME/lib/mysql-connector-java-5.1.12.jar copy或者软链到$SPARK_HOME/lib/copy或者软链$SPARK_HOME/lib/ 是方便spark standalone模式使用123
![]()
启动spark-sql
-
standalone模式
./bin/spark-sql --master spark:master:7077 --jars /home/stark_summer/spark/spark-1.4/spark-1.4.1/lib/mysql-connector-java-5.1.12.jar
-
1
yarn-client模式
$./bin/spark-sql --master yarn-client --jars /home/stark_summer/spark/spark-1.4/spark-1.4.1/lib/mysql-connector-java-5.1.12.jar执行 sql: select count(*) from o2o_app;结果:302Time taken: 0.828 seconds, Fetched 1 row(s)2015-09-14 18:27:43,158 INFO [main] CliDriver (SessionState.java:printInfo(536)) - Time taken: 0.828 seconds, Fetched 1 row(s) spark-sql> 2015-09-14 18:27:43,160 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - Finished stage: org.apache.spark.scheduler.StageInfo@5939ed302015-09-14 18:27:43,161 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - task runtime:(count: 1, mean: 242.000000, stdev: 0.000000, max: 242.000000, min: 242.000000)2015-09-14 18:27:43,161 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,161 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 242.0 ms 242.0 ms 242.0 ms 242.0 ms 242.0 ms 242.0 ms 242.0 ms 242.0 ms 242.0 ms2015-09-14 18:27:43,162 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - fetch wait time:(count: 1, mean: 0.000000, stdev: 0.000000, max: 0.000000, min: 0.000000)2015-09-14 18:27:43,162 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,162 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0.0 ms 0.0 ms 0.0 ms 0.0 ms 0.0 ms 0.0 ms 0.0 ms 0.0 ms 0.0 ms2015-09-14 18:27:43,163 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - remote bytes read:(count: 1, mean: 31.000000, stdev: 0.000000, max: 31.000000, min: 31.000000)2015-09-14 18:27:43,163 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,163 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 31.0 B 31.0 B 31.0 B 31.0 B 31.0 B 31.0 B 31.0 B 31.0 B 31.0 B2015-09-14 18:27:43,163 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - task result size:(count: 1, mean: 1228.000000, stdev: 0.000000, max: 1228.000000, min: 1228.000000)2015-09-14 18:27:43,163 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,163 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 1228.0 B 1228.0 B 1228.0 B 1228.0 B 1228.0 B 1228.0 B 1228.0 B 1228.0 B 1228.0 B2015-09-14 18:27:43,164 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - executor (non-fetch) time pct: (count: 1, mean: 69.834711, stdev: 0.000000, max: 69.834711, min: 69.834711)2015-09-14 18:27:43,164 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,164 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 70 % 70 % 70 % 70 % 70 % 70 % 70 % 70 % 70 %2015-09-14 18:27:43,165 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - fetch wait time pct: (count: 1, mean: 0.000000, stdev: 0.000000, max: 0.000000, min: 0.000000)2015-09-14 18:27:43,165 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,165 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0 % 0 % 0 % 0 % 0 % 0 % 0 % 0 % 0 %2015-09-14 18:27:43,166 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - other time pct: (count: 1, mean: 30.165289, stdev: 0.000000, max: 30.165289, min: 30.165289)2015-09-14 18:27:43,166 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 0% 5% 10% 25% 50% 75% 90% 95% 100%2015-09-14 18:27:43,166 INFO [SparkListenerBus] scheduler.StatsReportListener (Logging.scala:logInfo(59)) - 30 % 30 % 30 % 30 % 30 % 30 % 30 % 30 % 30 %12345678910111213141516171819202122232425262728293031
-
yarn-cluster模式
./bin/spark-sql --master yarn-cluster --jars /home/dp/spark/spark-1.4/spark-1.4.1/lib/mysql-connector-java-5.1.12.jarError: Cluster deploy mode is not applicable to Spark SQL shell. Run with --help for usage help or --verbose for debug output2015-09-14 18:28:28,291 INFO [Thread-0] util.Utils (Logging.scala:logInfo(59)) - Shutdown hook called Cluster deploy mode 不支持的123456
![]()
启动 spark-shell
-
standalone模式
./bin/spark-shell --master spark:master:7077 --jars /home/stark_summer/spark/spark-1.4/spark-1.4.1/lib/mysql-connector-java-5.1.12.jar1
-
yarn-client模式
./bin/spark-shell --master yarn-client --jars /home/dp/spark/spark-1.4/spark-1.4.1/lib/mysql-connector-java-5.1.12.jarsqlContext.sql("from o2o_app SELECT count(appkey,name1,name2)").collect().foreach(println)1234
尊重原创,拒绝转载,http://blog.csdn.net/stark_summer/article/details/48443147
相关推荐
通过以上步骤，我们可以实现SparkSQL与MySQL和Hive的整合，从而在一个统一的环境中处理结构化和非结构化的数据。这种集成对于数据科学家和数据工程师来说非常有用，因为它们可以利用SparkSQL的高性能和SQL接口来处理...
职责描述涉及数据源收集和清洗、hive表模型的设计和调优、SparkSql与Hive整合的数据ETL处理，以及hbase的数据存储和调优。 4. 康明斯发动机信息分析系统（互联网） 该项目为康明斯公司提供发动机信息分析处理平台，...
与Hive的集成使得Spark SQL可以访问Hive Metastore中的表和分区，进一步增强了Spark的灵活性和可扩展性。 Apache Atlas的Hive Hook是在Hive执行器中插入的一个组件，它能够在Hive操作执行前后捕获元数据变更信息，...
- **易整合**：SparkSQL能够轻松地与其他Spark组件集成，如Spark Core、Spark Streaming等，这使得开发人员能够在同一个项目中同时使用不同的Spark功能。 - **统一的数据访问方式**：无论是内存中的数据还是存储在...
- **Hive兼容性**：SparkSQL可以直接读取Hive元数据和表，这对于已经使用Hive的组织来说是非常有用的特性。 - **数据源**：SparkSQL支持多种数据源，如Parquet、JSON、CSV、 JDBC/ODBC等，方便用户从各种存储系统中...
- **易整合**：SparkSQL将SQL查询与Spark编程模型无缝结合，提供了统一的接口。 - **统一的数据访问**：用户可以通过相同的API访问不同来源的数据，例如HDFS、HBase或Cassandra。 - **DataFrame和DataSet**：这两...
课程目录： ...课时18：Spark与mongodb整合 课时19：Spark预测收藏以及给用户推荐的产品存储进mongodb 课时20：操作RDD需要注意点，以及Spark内存分配资源调优 课时21：Spark整个学习过程及其总结
- 易整合：Spark SQL能够轻松地与其他Spark组件集成，如Spark Streaming和Spark MLlib。 - 统一的数据访问：它提供了一种统一的方式来访问多种数据源，包括HDFS、Cassandra、Hive等。 - 兼容Hive：Spark SQL可以...
3）兼容Hive：Spark SQL能够兼容并优化Hive中的查询，使得已经在Hive上开发的应用能够无缝迁移到Spark SQL上。 4）标准的数据连接：Spark SQL支持标准的JDBC和ODBC连接，方便与其他系统进行数据交换。 DataFrame是...
1. **数据集成**：SparkSQL支持多种数据源，包括HDFS、Cassandra、Hive等，这使得携程能够方便地整合来自不同系统的数据，进行统一的分析和处理。 2. **实时数据分析**：携程可能会利用SparkSQL的实时处理能力，对...
最后，文章提出了后续计划，包括充分利用ES的检索能力来丰富SparkSQL表达式的下推功能，以及计划完成Spark与Kylin的整合。Kylin是一个开源的分布式分析引擎，能够为大数据提供SQL查询能力、OLAP分析和高并发访问等...
Spark SQL通过Hive Metastore服务与Hive数据存储进行交互，支持HQL查询，并兼容Hive的表和UDF。这使得Spark SQL可以无缝地整合到现有的Hadoop生态系统中。 5. **数据源**： Spark SQL支持多种数据源，如Parquet、...
Spark SQL是Apache Spark的核心组件之一，它整合了SQL查询与DataFrame API，使得数据处理变得更加便捷高效。这本书从基础到高级，全方位地介绍了Spark SQL的使用方法和实践技巧。 在书中，读者将首先了解Spark SQL...
全书共12章，大致分为3个部分，第1部分（第1~7章）讲解Hadoop的原生态组件，包括Hadoop、ZooKeeper、HBase、Hive环境搭建与安装，以及介绍MapReduce、HDFS、ZooKeeper、HBase、Hive原理和Apache版本环境下实战操作...
【2.1】易整合 Spark SQL可以使用SQL或熟悉的DataFrame API在Spark程序中查询结构化数据，可在Java，Scala，Python和R中使用 【2.2】统一的数据访问方式 DataFrame和SQL提供了一种访问各种数据源的通用方法，包括...
17. SparkSQL使用：SparkSQL支持使用DataFrame API或SQL语句进行数据查询和处理，选择哪种方式取决于具体需求和个人偏好。 18. RDD操作：如reduceByKey与groupByKey的性能比较，通常reduceByKey更适合。 19. Spark...
SparkSQL允许用户通过SQL或Hive的SQL方言（HQL）查询结构化数据，支持多种数据源，如Hive表、Parquet和JSON等。SparkStreaming是Spark处理实时数据流的组件，其API与SparkCore中的RDDAPI高度对应，支持实时数据的...