如何在没有 hive-site.xml 的情况下将 Spark SQL 连接到远程 Hive 元存储（通过 Thrift 协议）？

Question

我将 HiveContext 与 SparkSQL 结合使用，并且尝试连接到远程 Hive 元存储，设置 Hive 元存储的唯一方法是在类路径中包含 hive-site.xml （或将其复制到 /etc/spark /conf/).

有没有办法在 java 代码中以编程方式设置此参数而不包含 hive-site.xml ？如果是这样，要使用什么 Spark 配置？

Answer 1

对于 Spark 1.x，您可以设置：

System.setProperty("hive.metastore.uris", "thrift://METASTORE:9083");
            
final SparkConf conf = new SparkConf();
SparkContext sc = new SparkContext(conf);
HiveContext hiveContext = new HiveContext(sc);

或者

final SparkConf conf = new SparkConf();
SparkContext sc = new SparkContext(conf);
HiveContext hiveContext = new HiveContext(sc);
hiveContext.setConf("hive.metastore.uris", "thrift://METASTORE:9083");

如果您的 Hive 已 Kerberized，请更新：

在创建 HiveContext 之前尝试设置这些：

System.setProperty("hive.metastore.sasl.enabled", "true");
System.setProperty("hive.security.authorization.enabled", "false");
System.setProperty("hive.metastore.kerberos.principal", hivePrincipal);
System.setProperty("hive.metastore.execute.setugi", "true");

Answer 2

在 Spark 2.0.+ 中，它应该看起来像这样：

不要忘记将“hive.metastore.uris”替换为您的。这假设您已经启动了 Hive Metastore 服务（不是蜂巢服务器）。

 val spark = SparkSession
          .builder()
          .appName("interfacing spark sql to hive metastore without configuration file")
          .config("hive.metastore.uris", "thrift://localhost:9083") // replace with your hivemetastore service's thrift url
          .enableHiveSupport() // don't forget to enable hive support
          .getOrCreate()

        import spark.implicits._
        import spark.sql
        // create an arbitrary frame
        val frame = Seq(("one", 1), ("two", 2), ("three", 3)).toDF("word", "count")
        // see the frame created
        frame.show()
        /**
         * +-----+-----+
         * | word|count|
         * +-----+-----+
         * |  one|    1|
         * |  two|    2|
         * |three|    3|
         * +-----+-----+
         */
        // write the frame
        frame.write.mode("overwrite").saveAsTable("t4")

Answer 3

我也遇到同样的问题，但解决了。只需按照 Spark 2.0 版本中的步骤操作即可

Step1: 将 hive-site.xml 文件从 Hive conf 文件夹复制到 Spark conf。

第2步：编辑spark-env.sh文件并配置您的mysql驱动程序。（如果您使用 Mysql 作为 Hive 元存储。）

或者将 MySQL 驱动程序添加到 Maven/SBT（如果使用这些）

Step3: 创建 Spark 会话时添加enableHiveSupport()

val Spark = SparkSession.builder.master("local").appName("testing").enableHiveSupport().getOrCreate()

示例代码：

package sparkSQL

/**
  * Created by venuk on 7/12/16.
  */

import org.apache.spark.sql.SparkSession

object hivetable {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder.master("local[*]").appName("hivetable").enableHiveSupport().getOrCreate()

    spark.sql("create table hivetab (name string, age int, location string) row format delimited fields terminated by ',' stored as textfile")
    spark.sql("load data local inpath '/home/hadoop/Desktop/asl' into table hivetab").show()
    val x = spark.sql("select * from hivetab")
    x.write.saveAsTable("hivetab")
  }
}

输出：

Answer 4

一些类似的问题被标记为重复，这是从 Spark 连接到 Hive，而不使用

hive.metastore.uris

或单独的 thrift 服务器（9083），并且不将 hive-site.xml 复制到 SPARK_CONF_DIR。

import org.apache.spark.sql.SparkSession
val spark = SparkSession
  .builder()
  .appName("hive-check")
  .config(
    "spark.hadoop.javax.jdo.option.ConnectionURL",
    "JDBC_CONNECT_STRING"
  )
  .config(
    "spark.hadoop.javax.jdo.option.ConnectionDriverName",
    "org.postgresql.Driver"
  )
  .config("spark.sql.warehouse.dir", "/user/hive/warehouse")
  .config("spark.hadoop.javax.jdo.option.ConnectionUserName", "JDBC_USER")
  .config("spark.hadoop.javax.jdo.option.ConnectionPassword", "JDBC_PASSWORD")
  .enableHiveSupport()
  .getOrCreate()
spark.catalog.listDatabases.show(false)

Answer 5

在尝试从 Spark 连接到 Hive Metastore 而不使用 hive-site.xml 时，我观察到一种奇怪的行为。

当我们在创建 SparkSession 时在 Spark 代码中使用

hive.metastore.uris

属性时，一切正常。但是，如果我们不在代码中指定，而是在使用

spark-shell

或

spark-submit

和

--conf

标志时指定，它将不起作用。

它将抛出如下所示的警告，并且不会连接到远程元存储。

Warning: Ignoring non-Spark config property: hive.metastore.uris

解决此问题的一种方法是使用以下属性。

spark.hadoop.hive.metastore.uris

Answer 6

Spark版本：2.0.2

蜂巢版本：1.2.1

下面的 Java 代码帮助我从 Spark 连接到 Hive 元存储：

import org.apache.spark.sql.SparkSession;

public class SparkHiveTest {

    public static void main(String[] args) {

        SparkSession spark = SparkSession
                  .builder()
                  .appName("Java Spark Hive Example")
                  .config("spark.master", "local")
                  .config("hive.metastore.uris",                
                   "thrift://abc123.com:9083")
                  .config("spark.sql.warehouse.dir", "/apps/hive/warehouse")
                  .enableHiveSupport()
                  .getOrCreate();

        spark.sql("SELECT * FROM default.survey_data limit 5").show();
    }
}

Answer 7

对于 Spark 3.x：

// Scala
import org.apache.spark.sql.{Row, SaveMode, SparkSession}

val spark = SparkSession
  .builder()
  .appName("Spark Hive Example")
  .config("spark.sql.warehouse.dir", "hive_warehouse_hdfs_path")
  .enableHiveSupport()
  .getOrCreate()

# Python
from pyspark.sql import SparkSession

spark = SparkSession \
    .builder \
    .appName("Python Spark SQL Hive integration example") \
    .config("spark.sql.warehouse.dir", "hive_warehouse_hdfs_path") \
    .enableHiveSupport() \
    .getOrCreate()

检查可用数据库：

spark.catalog.listDatabases().show()

来源

Answer 8

下面的代码对我有用。我们可以忽略本地metastore的

hive.metastore.uris

配置，spark将在本地的spare-warehouse目录中创建hive对象。

import org.apache.spark.sql.SparkSession;

object spark_hive_support1 
{
  def main (args: Array[String]) 
   {
    val spark = SparkSession
      .builder()
      .master("yarn")
      .appName("Test Hive Support")
      //.config("hive.metastore.uris", "jdbc:mysql://localhost/metastore")
      .enableHiveSupport
      .getOrCreate();

    import spark.implicits._

    val testdf = Seq(("Word1", 1), ("Word4", 4), ("Word8", 8)).toDF;
    testdf.show;
    testdf.write.mode("overwrite").saveAsTable("WordCount");
  }
}

Answer 9

在 Hadoop 3 Spark 和 Hive 目录中是分开的：

对于 spark-shell （默认情况下带有

.enableHiveSupport()

）只需尝试：

pyspark-shell --conf spark.hadoop.metastore.catalog.default=hive

对于 spark-submit 作业，您可以像这样创建 Spark 会话：

SparkSession.builder.appName("Test").enableHiveSupport().getOrCreate()

然后将此配置添加到您的 Spark-submit 命令中：

--conf spark.hadoop.metastore.catalog.default=hive

但是对于 ORC 表（以及更一般的内部表），建议使用 HiveWareHouse Connector。

Answer 10

设置spark.hadoop.metastore.catalog.default=hive对我有用。

Answer 11

我在 Spark 2.4.8 或 Spark 3.1.3 或 Spark 3.2.2 中收到以下错误。 hadoop版本是3.2，Hbase 2.4.14和Hive 3.1.13和Scala 2.12

线程“main”中出现异常 java.io.IOException：由于先前的错误，无法创建记录读取器。请查看任务完整日志中的先前日志行以了解更多详细信息。在org.apache.hadoop.hbase.mapreduce.TableInputFormatBase.getSplits（TableInputFormatBase.java:253）在 org.apache.spark.rdd.NewHadoopRDD.getPartitions(NewHadoopRDD.scala:131) 在 org.apache.spark.rdd.RDD.$anonfun$partitions$2(RDD.scala:300) 我按如下方式调用 Spark-Submit。

export HBASE_JAR_FILES="/usr/local/hbase/lib/hbase-unsafe-4.1.1.jar,/usr/local/hbase/lib/hbase-common-2.4.14.jar,/usr/local/hbase/lib/hbase-client-2.4.14.jar,/usr/local/hbase/lib/hbase-protocol-2.4.14.jar,/usr/local/hbase/lib/guava-11.0.2.jar,/usr/local/hbase/lib/client-facing-thirdparty/htrace-core4-4.2.0-incubating.jar" 


/opt/spark/bin/spark-submit --master local[*] --deploy-mode client --num-executors 1 --executor-cores 1 --executor-memory 480m --driver-memory 512m --driver-class-path $(echo $HBASE_JAR_FILES | tr ',' ':') --jars "$HBASE_JAR_FILES" --files /usr/local/hive/conf/hive-site.xml --conf "spark.hadoop.metastore.catalog.default=hive" --files /usr/local/hbase/conf/hbase-site.xml --class com.hbase.dynamodb.migration.HbaseToDynamoDbSparkMain --conf "spark.driver.maxResultSize=256m" /home/hadoop/scala-2.12/sbt-1.0/HbaseToDynamoDb-assembly-0.1.0-SNAPSHOT.jar

The code is as follows.


val spark: SparkSession = SparkSession.builder()
      .master("local[*]")
      .appName("Hbase To DynamoDb migration demo")
      .config("hive.metastore.warehouse.dir", "/user/hive/warehouse")
      .config("hive.metastore.uris","thrift://localhost:9083")
      .enableHiveSupport()
      .getOrCreate()


    spark.catalog.listDatabases().show()
   val sqlDF = spark.sql("select rowkey, office_address, office_phone, name, personal_phone from hvcontacts")



sqlDF.show()

hive 外部表是在 Hbase 之上创建的，如下所示。

create external table if not exists hvcontacts (rowkey STRING, office_address STRING, office_phone STRING, name STRING, personal_phone STRING) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES ('hbase.columns.mapping' = ':key,Office:Address,Office:Phone,Personal:name,Personal:Phone') TBLPROPERTIES ('hbase.table.name' = 'Contacts');

Metastore位于mysql中，我可以查询tbls表来验证hive中的外部表。还有其他人面临类似问题吗？

注意：我在这里没有使用 Hive Spark 连接器。

如何在没有 hive-site.xml 的情况下将 Spark SQL 连接到远程 Hive 元存储（通过 Thrift 协议）？

问题描述投票：0回答：11

11个回答

最新问题

如何在没有 hive-site.xml 的情况下将 Spark SQL 连接到远程 Hive 元存储（通过 Thrift 协议）？

问题描述 投票：0回答：11

11个回答

最新问题

问题描述投票：0回答：11