spark读取hive数据-java

需求：将hive中的数据读取出来，写入es中。

环境：spark 2.0.2

1. SparkSession里设置enableHiveSupport()

		SparkConf conf = new SparkConf().setAppName("appName").setMaster("local[*]");

		SparkSession spark = SparkSession
                .builder()
                .appName("Java Spark SQL basic example hive")
                .config(conf)
                .enableHiveSupport()  //支持hive
                .getOrCreate();

2. pom 添加依赖 ( 对hive版本没要求 )

		<dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive_2.10</artifactId>
            <version>1.2.1</version>
        </dependency>

或者

		<dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive_2.11</artifactId>
            <version>2.3.0</version>
        </dependency>

3. 将配置文件放在spark的conf下

参考官方文档

Configuration of Hive is done by placing your hive-site.xml, core-site.xml (for security configuration), and hdfs-site.xml (for HDFS configuration) file in conf/.

4. spark.sql读取数据

		SparkSession spark = ESMysqlSpark.getSession();
		String querySql = "SELECT * FROM test.table";
		spark.sql(querySql);

5. hive sql 语句

需求：合并两个字段，组成一个新的字符串。

可以先用udf注册一个函数

		spark.udf().register("mode", new UDF2<String, Long, String>() {
                public String call(String types, Long time) throws Exception {
                    return types.replace(".", "") + String.valueOf(time);
                }}, DataTypes.StringType);

求某字段的平均值（输出为int型）、某字段的最大/最小值、日期字段格式化输出等等。这种需求则都可以在hive语句中实现。

			String querySql = String.format("SELECT mode(ip, unix_timestamp()) id," +
                    " ip, " +
                    "cast(avg(t1) as bigint) f1, " +
                    "cast(avg(t2) as bigint) f2, " +
                    "min(t3) minSpeed, " +
                    "max(t4) maxSpeed, " +
                    "from_unixtime(unix_timestamp(),'yyyy-MM-dd HH:mm:ss') time " +
                    "FROM test.table " +
                    "where time > %s " +
                    "group by ip ", timeLimit);

• unix_timestamp 获取当前时间戳
• cast(expression AS data_type) 数据类型转换
• from_unixtime(unix_timestamp(),‘yyyy-MM-dd HH:mm:ss’) 日期格式化输出

6. 写es

通过 ds.show()查看数据是否正确

			Dataset ds = spark.sql(querySql);
            EsSparkSQL.saveToEs(ds, "sha_parking/t_speedInformation");

项目打包

• mvn package 普通打包
• mvn assembly:assembly 包含依赖包

遇到的问题

如果读取不到数据。先确认以下配置：

1. 在 /etc/hosts中确保 127.0.0.1 hostname 已添加
2. 查看 $SPARK_HOME/conf/spark-env.sh， 确保ip地址是否正确

问题: Hive Schema version 2.1.0 does not match metastore

mysql -uroot -p  
use hive;
select * from VERSION;
update VERSION set SCHEMA_VERSION='2.1.1' where  VER_ID=1;