在Apache Spark中计算HIVE统计数据

Question

我正在尝试从Apache Spark计算HIVE表统计信息：

`sqlCtx.sql('ANALYZE TABLE t1 COMPUTE STATISTICS')`

我还执行语句以查看收集的内容：

sqlCtx.sql('DESC FORMATTED t1')

我可以看到我的统计数据被收集了。但是，当我在HIVE客户端（Ambari）中执行相同的操作时 - 没有显示统计信息。如果它被Spark收集，它只适用于Spark吗？火花存放在其他地方吗？

另一个问题。

我还计算该表中所有列的统计信息：

sqlCtx.sql('ANALYZE TABLE t1 COMPUTE STATISTICS FOR COLUMNS c1,c2')

但是当我想在spark中看到这个统计数据时，它失败了，不支持的sql语句异常：

sqlCtx.sql('DESC FORMATTED t1 c1')

根据文档，它是有效的蜂巢查询。这有什么问题？

感谢帮助。

Answer 1

Apache Spark将统计信息存储为“表参数”。为了能够检索这些统计数据，我们需要连接到HIVE Metastore和。执行如下查询

select param_key, param_value 
from table_params tp, tbls t 
where tp.tbl_id=t.tbl_id and tbl_name = '<table_name>' 
and param_key like 'spark.sql.stat%';

Answer 2

只需大写表格的名称即可。

select param_key, param_value 
from TABLE_PARAMS tp, TBLS t 
where tp.tbl_id=t.tbl_id and tbl_name = '<table_name>' 
and param_key like 'spark.sql.stat%';