스파크 SQL에 하이브에서 전환

는 SqlContext 사용

, 스칼라 프로젝트를 만듭니다 마스터 클래스 SQLContextApp를 만들

package com.yy.spark

import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql.SQLContext

/**
 * SQLContext的使用
 * Spark 1.x使用
 */
 object SQLContextApp extends App {

  var path = args(0)

  //创建相应的Context
  val sparkConf = new SparkConf()
  //在测试或者生产中，AppName和Master通过脚本进行指定，本地开发环境可以如下写法
  //sparkConf.setAppName("SQLContextApp").setMaster("local[2]")  
  val sparkContext = new SparkContext()
  val sqlContext = new SQLContext(sparkContext)

  //2)相关处理
  val people = sqlContext.read.format("json").load(path)
  people.printSchema()
  people.show()

  //3）关闭资源
  sparkContext.stop()
}

환경에 제출 스파크 응용 프로그램을 실행
하는 서버에서 다음 명령을

$ spark-submit \
--class com.yy.spark.SQLContextApp \
--master local[2] \
/home/hadoop/lib/sparksql-project-1.0.jar \
/home/hadoop/app/spark-2.2.0-bin-hadoop2.6/examples/src/main/resources/people.json

쉘 스크립트를 실행하여
쉘 파일 1)을 만들려면 경고문은 파일 sqlcontext.sh을 붙여 실행됩니다

$ vim sqlcontext.sh

spark-submit \
--name SQLContextApp \
--class com.yy.spark.SQLContextApp \
--master local[2] \
/home/hadoop/lib/sparksql-project-1.0.jar \
/home/hadoop/app/spark-2.2.0-bin-hadoop2.6/examples/src/main/resources/people.json

2) 권한을 부여

$ chmod u+x sqlcontext.sh

3) 실시

$ ./sqlcontext.sh

HiveCntext 사용

사용은 HiveContext, 이미 설치 하이브 환경을 필요로하지 않습니다. 하이브-site.xml 파일은 필요
conf 디렉토리를 촉발 하이브-site.xml의 아래 conf 디렉토리 폴더 아래에 하이브를 복사

$ cp $HIVE_HOME/conf/hive-site.xml $SPARK_HOME/conf

HiveContextApp 만들기, 다음 코드

package com.yy.spark

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

/**
 * HiveContext的使用
 * Spark 1.x使用
 */
 object HiveContextApp extends App {

  //创建相应的Context
  val sparkConf = new SparkConf()
  val sparkContext = new SparkContext()
  val hiveContext = new HiveContext(sparkContext)

  //2)相关处理
  hiveContext.table("emp").show()

  //3）关闭资源
  sparkContext.stop()

}

사용은 프로젝트 루트 디렉토리를 컴파일 받는다는

mvn package -Dmaven.test.skip=true

서버 lib 디렉토리에 업로드 프로젝트 대상 디렉토리 항아리 패키지를 컴파일, 내가 컴파일 된 파일은 sparksql 프로젝트-1.0.jar입니다
소프트웨어 디렉토리에 업로드 MySQL의 툴킷 MySQL의 커넥터 - 자바-5.1.45.jar

스크립트 편집기 hivecontext.sh

$ vim hivecontext.sh

spark-submit \
--class com.yy.spark.HiveContextApp \
--master local[2] \
--jars /home/hadoop/software/mysql-connector-java-5.1.45.jar \
/home/hadoop/lib/sparksql-project-1.0.jar

스크립트를 실행 권한을 부여

$ chmod u+x sqlcontext.sh
$ ./hivecontext.sh

SparkSession 사용

여기에 예를 들어, 하이브를 읽어

conf 디렉토리를 촉발하기 위해 하이브를 site.xml에서 하이브 폴더 아래 conf 디렉토리를 복사

$ cp $HIVE_HOME/conf/hive-site.xml $SPARK_HOME/conf

SparkSessionApp 만들기, 다음 코드

package com.yy.spark

import org.apache.spark.sql.SparkSession

/**
 * SparkSession使用
 * Spark 2.x
 */
object SparkSessionApp extends App {

  //读取本地文件
//  var path = args(0)
//  val spark = SparkSession.builder().appName("SparkSessionApp").master("local[2]").getOrCreate()
//  val people = spark.read.json(path)
//  people.show()
//  spark.stop()

  //读取Hive
  val sparkHive = SparkSession.builder().appName("HiveSparkSessionApp").master("local[2]").enableHiveSupport().getOrCreate()
  //加载hive表
  val emp = sparkHive.table("emp")
  emp.show()
  //关闭
  sparkHive.stop()

}

사용은 프로젝트 루트 디렉토리를 컴파일 받는다는

mvn package -Dmaven.test.skip=true

스크립트 편집기 hivecontext.sh

$ vim hivecontext.sh

spark-submit \
--class com.yy.spark.SparkSessionApp \
--master local[2] \
--jars /home/hadoop/software/mysql-connector-java-5.1.45.jar \
/home/hadoop/lib/sparksql-project-1.0.jar

스크립트를 실행 권한을 부여

$ chmod u+x sqlcontext.sh
$ ./hivecontext.sh

사용 스파크 쉘 및 스파크-SQL의

당신은 하이브를 사용하는 경우, 전제는 conf 디렉토리를 촉발 하이브-site.xml 파일을 복사해야

cp $HIVE_HOME/conf/hive-site.xml $SPARK_HOME/conf

스파크 쉘

$ ./spark-shell --master local[2] --jars ~/software/mysql-connector-java-5.1.45.jar

# 查看hive中所有表
scala> spark.sql("show tables").show
+--------+---------+-----------+
|database|tableName|isTemporary|
+--------+---------+-----------+
| default|      emp|      false|
+--------+---------+-----------+

# 查看emp表数据
scala> spark.sql("select * from emp").show

스파크 SQL

사용 스파크-SQL의 SQL 문은 콘솔에서 직접 기록 할 수 있습니다

$ ./spark-sql --master local[2] --jars ~/software/mysql-connector-java-5.1.45.jar

# 查看hive中所有表
spark-sql> show tables;

# 查看emp表数据
spark-sql> select * from emp;

thriftserver 및 직선의 사용

thriftserver 시작

$ cd $SPARK_HOME/sbin
$ ./start-thriftserver.sh --master local[2] --jars ~/software/mysql-connector-java-5.1.45.jar

기본 포트 10000, 지정 매개 변수에 의해 변경 될 수 있습니다

./sbin/start-thriftserver.sh \
  --master local[2] \
  --jars ~/software/mysql-connector-java-5.1.45.jar \
  --hiveconf hive.server2.thrift.port=14000

시작 직선은, -u는 thriftserver 주소, -n 서버 사용자 이름을 말한다

$ cd $SPARK_HOME/bin
$ ./beeline -u jdbc:hive2://localhost:10000 -n hadoop

0: jdbc:hive2://localhost:10000> show tables;
0: jdbc:hive2://localhost:10000> select * from emp;

스파크의 차이 쉘 / 스파크 SQL Thriftserver

1) 스파크 쉘, 스파크 SQL, 스파크 응용 프로그램 시작입니다 각각의
응용 프로그램 때 2) thriftserver, 응용 프로그램 서버 자원은 단순히 시작할 때 시작 얼마나 많은 클라이언트 (직선 / 코드)에 상관없이, 불꽃 응용 프로그램입니다 일단, 데이터 공유의 문제를 해결, 여러 클라이언트가 데이터를 공유 할 수 있습니다;

액세스 프로그램에 JDBC 방법

JDBC 개발을 사용하는 경우, 첫 번째 thriftserver 시작

의 pom.xml에 의존성을 소개합니다

<dependency>
  <groupId>org.spark-project.hive</groupId>
  <artifactId>hive-jdbc</artifactId>
  <version>1.2.1.spark2</version>
</dependency>

다음과 같이 JDBC 접근 코드는

package com.yy.spark

import java.sql.DriverManager

/**
 * 通过JDBC访问
 */
object SparkSQLThriftServerApp extends App {

  Class.forName("org.apache.hive.jdbc.HiveDriver")

  val conn = DriverManager.getConnection("jdbc:hive2://hadoop000:10000", "hadoop", "")
  val pstmt = conn.prepareStatement("select empno,ename,salary from emp")
  val rs = pstmt.executeQuery()
  while (rs.next()) {
    println("empno:" + rs.getInt("empno") + ", ename:"+rs.getString("ename")
      + ", salary:"+rs.getDouble("salary"))
  }
  rs.close()
  pstmt.close()
  conn.close()
}