Spark2.4.8集成并读写hive表数据 |
您所在的位置:网站首页 › spark保存数据到hive › Spark2.4.8集成并读写hive表数据 |
Spark2.4.8集成并读写hive表数据
一、Hive简介二、Hive安装三、Hive的本地模式和远程模式配置1. 本地模式配置2. **远程模式**
四、创建Hive表五、SparkSQL集成Hive
一、Hive简介
Apache Hive™数据仓库软件通过SQL实现对分布式存储中的大型数据集的读写和管理。结构可以投射到存储中的数据上。Hive提供命令行工具和JDBC驱动程序连接用户。 本质上:Hive是一个翻译器,借助Hive引擎将SQL语句转成MR程序且构建于HDFS上的一个数据仓库。 它支持SQL(SQL99的一个子集),可以写SQL语句来分析海量的数据 安装MySQL 需要借助MySQL来存储metadata元数据,所以需要安装mysql。MySQL可以安装在与hive所在的同一台虚拟机上,也可以安装在Windows上或者其他的服务器上,你喜欢哪种选择哪种。如果你已经有了MySQL数据库,那直接配置即可。如果没有,则需要先安装MySQL数据库。 以下为在centos7上安装的MySQL的过程,仅供大家参考: 删除掉centos7自带的mariadb相关库 yum remove mysql-libs 配置MySQLyum源: (0) 在虚拟机上先查看MySQL的yum源: yum repolist all | grep mysql (1)下载并安装mysql的yum源: 地址:https://dev.mysql.com/downloads/repo/yum/ 版本:mysql80-community-release-el7-3.noarch.rpm 安装:rpm -Uvh mysql80-community-release-el7-3.noarch.rpm (2)修改MySQL的yum源文件: 编辑:vi /etc/yum.repos.d/mysql-community.repo,添加如下内容: # 我们使用MySQL57版本,其他版本禁用即可 # Enable to use MySQL 5.7 [mysql57-community] name=MySQL 5.7 Community Server baseurl=http://repo.mysql.com/yum/mysql-5.7-community/el/6/$basearch/ enabled=1 gpgcheck=1 gpgkey=file:///etc/pki/rpm-gpg/RPM-GPG-KEY-mysqlMySQL的yum源配置如下图所示: (3)再次确认下,当前的yum源是不是mysql57: yum repolist enabled | grep mysql (4)安装MySQL: yum -y install mysql-community-server (5)启动MySQL服务器: systemctl start mysqld.service (6)查看MySQL启动状态: systemctl status mysqld.service (7)修改root默认密码: 先获取临时密码: grep 'temporary password' /var/log/mysqld.log 登录到mysql中去修改: 2.1 命令行登录: mysql -uroot -p123456 2.2 命令行修改密码: ALTER USER 'root'@'localhost' IDENTIFIED BY 'Sjm_123456'; 配置Hive数据库 命令行登录到MySQL中,安装如下步骤执行即可: 创建一个新的数据库:create database hive; 创建一个新的用户: create user ‘hiveowner’@’%’ identified by ‘Sjm_123456’; 给该用户授权 grant all on hive.* TO ‘hiveowner’@’%’; grant all on hive.* TO ‘hiveowner’@‘localhost’ identified by ‘Sjm_123456’; flush privileges; 在hive安装目录下的conf下创建hive-site.xml文件,并添加如下内容: javax.jdo.option.ConnectionURL jdbc:mysql://localhost:3306/hive?useSSL=false javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver javax.jdo.option.ConnectionUserName hiveowner javax.jdo.option.ConnectionPassword Sjm_123456上传mysql驱动包到/training/apache-hive-2.3.0-bin/lib目录下,注意一定要使用高版本的MySQL驱动(5.1.43以上的版本) 初始化Hive schematool -dbType mysql -initSchema执行成功后的日志如下: 验证Hive是否安装成功, 在虚拟机命令行中,执行:hive,回车即可,看到如下类似信息说明安装配置ok了: 特点: 元数据信息存储在远程的MySQL数据库中 注意使用高版本的MySQL驱动(5.1.43以上的版本) 安装: 如果你windows上已经安装了mysql,只需如下操作: 创建一个新的数据库:create database hive; 创建一个新的用户: create user ‘hiveowner’@’%’ identified by ‘Sjm_123456’; —这里是你MySQL root用户密码 给该用户授权 grant all on hive.* TO ‘hiveowner’@’%’; flush privileges; 创建Hive的内部表edu_teacher,建表语句如下: create table edu_teacher (id string, name string, intro string, career string, level int, avatar string, sort int, is_deleted int, gmt_create string, gmt_modified string) row format delimited fields terminated by '\t';创建表如下图所示: 在hive的命令行中导入edu_teacher.csv数据到edu_teacher表中,执行如下命令: load data local inpath '/root/edu_teacher.csv' into table edu_teacher;注意:这里是将本地的文件导入hive表中 如下所示: 验证下hive表中是否已经存在数据了,在hive的命令行中执行如下命令: select * from edu_teacher;结果如下: 把Hive和Hadoop如下配置文件复制到$SPARK_HOME/conf目录下: hive-site.xml core-site.xml hdfs-site.xml 注意:如果spark是全分布,则需要将上述三个文件同时复制到spark的所有节点 启动Spark Shell的时候 加入MySQL的驱动 bin/spark-shell --master spark://niit01:7077 --jars /training/spark-2.4.8-bin-hadoop2.7/jars/mysql-connector-java-5.1.6.jar注意:由于我的MySQL驱动也复制到spark的jars目录下 启动成功后如下图所示: 使用Spark shell 操作Hive 创建emp表 spark.sql("create table emp(empno int,ename string,job string,mgr int,hiredate string,sal int,comm int,deptno int)row format delimited fields terminated by ','")创建成功后如下图所示: 在HDFS上会创建一个emp目录,如下图所示: 导入本地上的emp.csv数据到hive中的emp表 spark.sql("load data local inpath '/root/emp.csv' into table emp")注意:这里因版本的问题,可能会报错,可以先忽略,因数据已经导入到表中,后续可以查找MySQL驱动、spark和hive的版本的对应关系即可解决 导入成功后会在hdfs上看到有数据文件被导入到emp这个目录下,如图所示: 使用Spark-sql操作Hive 启动spark-sql:bin/spark-sql --master spark://niit01:7077 --jars /training/spark-2.4.8-bin-hadoop2.7/jars/mysql-connector-java-5.1.6.jar 查看hive所有的表:show tables 结果如图:![]() ![]() ![]() 可以重新创建其他表,如下所示: CREATE TABLE check_standard (id int,dict_id int,standard_name string,standard_type int,create_time string,create_by string,update_time string,update_by string) row format delimited fields terminated by '\t'注意:创建表不会产生Job 将测试数据check_standard.csv导入到check_standard表中 load data local inpath '/root/check_standard.csv' into table check_standard;再次查看下: select * from check_standard;结果如下: |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |