Spark SQL

• Spark SQL整合Hive
• • • • 1. 修改Hive配置文件hive-site.xml
      • 2. 将hive-site.xml 复制到spark conf目录下
      • 3. 启动hive元数据服务
      • 4.将mysql 驱动包复制到saprk jars目录下
      • 5. 启动Spark SQL
      • • • 案例

Spark SQL整合Hive

1. 修改Hive配置文件hive-site.xml

在Hive的conf目录下
在hive-site.xml中添加以下内容

<property>
<name>hive.metastore.uris</name>
<value>thrift://master:9083</value>
</property>

2. 将hive-site.xml 复制到spark conf目录下

 cp hive-site.xml /usr/local/soft/spark-2.4.5/conf/

3. 启动hive元数据服务

nohup hive --service metastore >> metastore.log 2>&1 &

4.将mysql 驱动包复制到saprk jars目录下

在Hive的lib目录下找到mysql驱动包

cp mysql-connector-java-5.1.17.jar /usr/local/soft/spark-2.4.5/jars/

5. 启动Spark SQL

文件小可以将并行度改小一点，默认并行度为200。
并行度的计算：10G的文件 / 128MB = 80
10G的文件需要80个Task

spark-sql 

spark-sql --master yarn-client
--master yarn-client这个参数不写的话默认是local模式的		

spark-sql --master yarn-client  --conf  spark.sql.shuffle.partitions=2
--conf  spark.sql.shuffle.partitions=2 可以在启动spark-sql时就指定，如果启动时不指定的话，后面可以在spark-sql中通过：set spark.sql.shuffle.partitions=2 指定

案例

创建student表

create table student
(
id  string,
name string,
age int,
gender string,
clazz string
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS textfile
location '/data/student/';

创建score表

create table score
(
student_id  string,
cource_id string,
sco int
)
ROW FORMAT DELIMITED FIELDS TERMINATED BY ','
STORED AS textfile
location '/data/score/';

select clazz,count(1) from student group by clazz;

1、统计每个科目排名前十的学生 分组取topN