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

Question

我正在将 HiveContext 与 SparkSQL 一起使用，并且我正在尝试连接到远程 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/)。

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

Answer 1

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()

检查可用的数据库：

spark.catalog.listDatabases().show()

source

Answer 2

我在不使用 hive-site.xml 的情况下尝试从 spark 连接到 hive Metastore 时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。

它会抛出如下所示的警告，并且它不会连接到远程元存储。

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

一种解决方法是使用以下属性。

spark.hadoop.hive.metastore.uris

Answer 3

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

Answer 4

在 Hadoop 3 中，Spark 和 Hive 目录是分开的：

对于spark-shell（默认带有.enableHiveSupport()）试试：

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

对于 spark-submit 工作，您可以像这样创建 Spark 会话：

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

然后在您的 spark-submit 命令中添加此配置：

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

但对于 ORC 表（以及更普遍的内部表），建议使用 HiveWareHouse 连接器。

Answer 5

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 server(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 6

Spark 版本：2.0.2

Hive 版本：1.2.1

以下 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

以下代码对我有用。我们可以忽略hive.metastore.uris对于本地metastore的配置，spark会在本地的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 8

我也遇到了同样的问题，但解决了。只需在 Spark 2.0 版本中执行此步骤

步骤 1： 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 作为配置单元元存储。）

或将 MySQL 驱动程序添加到 Maven/SBT（如果使用这些驱动程序）

第 3 步： 在创建 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 9

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 是 Kerberized 则更新：

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 10

在 spark 2.0.+ 中应该是这样的：

不要忘记用你的替换“hive.metastore.uris”。这 假设您已经启动了一个配置单元元存储服务（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")