sparkSession/sparkContext 无法获取 hadoop 配置

Question

我在本地机器上运行 spark 2、hive、hadoop，我想使用 spark sql 从 hive 表中读取数据。

当我在默认 hdfs://localhost:9000 下运行 hadoop 时一切正常，但如果我在 core-site.xml 中更改为不同的端口：

<name>fs.defaultFS</name>
<value>hdfs://localhost:9099</value>

在 spark-shell 中运行一个简单的 sql spark.sql("select * from archive.tcsv3 limit 100").show(); 会给我错误：

ERROR metastore.RetryingHMSHandler: AlreadyExistsException(message:Database default already exists)
.....
From local/147.214.109.160 to localhost:9000 failed on connection exception: java.net.ConnectException: Connection refused;
.....

我之前得到了 AlreadyExistsException，这似乎不会影响结果。

我可以通过创建一个新的 sparkContext 来使其工作：

import org.apache.spark.SparkContext
import org.apache.spark.sql.SparkSession
sc.stop()
var sc = new SparkContext()
val session = SparkSession.builder().master("local").appName("test").enableHiveSupport().getOrCreate()
session.sql("show tables").show()

我的问题是，为什么最初的 sparkSession/sparkContext 没有得到正确的配置？我该如何解决？谢谢！

Answer 1

如果您使用的是SparkSession，并且您想在 spark 上下文中设置配置，请使用 session.sparkContext

val session = SparkSession
  .builder()
  .appName("test")
  .enableHiveSupport()
  .getOrCreate()
import session.implicits._

session.sparkContext.hadoopConfiguration.set("fs.s3.impl", "org.apache.hadoop.fs.s3native.NativeS3FileSystem")

您无需导入SparkContext 或在SparkSession 之前创建它