spark SQL常常須要訪問Hive metastore,Spark SQL能夠經過Hive metastore獲取Hive表的元數據。從Spark 1.4.0開始,Spark SQL只需簡單的配置,就支持各版本Hive metastore的訪問。注意,涉及到metastore時Spar SQL忽略了Hive的版本。Spark SQL內部將Hive反編譯至Hive 1.2.1版本,Spark SQL的內部操做(serdes, UDFs, UDAFs, etc)都調用Hive 1.2.1版本的class。
html
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://192.168.19.131:3306/hivedb?createDatabaseIfNotExist=true</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>root</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hadoop</value>
</property>
</configuration>
bin/spark-shell \
--master spark://intsmaze:7077 \
--executor-memory 512m \
--total-executor-cores 2\
--driver-class-path /home/intsmaze/mysql-connector-java-5.1.35-bin.jar
sprk on yarn模式mysql
bin/spark-shell \
--master yarn \
--executor-memory 512m \
--total-executor-cores 2\
--driver-class-path /home/intsmaze/mysql-connector-java-5.1.35-bin.jar
val rdd=sqlContext.sql("select * from default.person limit 2")//如今就能夠直接使用sql語句了,只是要指定查詢哪一個庫的哪張表。
rdd.write.json("hdfs://192.168.19.131:9000/personresult")
import org.apache.spark.sql.hive.HiveContext
val hiveContext = new HiveContext(sc)
hiveContext.sql("select * from default.person ")
啓動spark-sql時指定mysql鏈接驅動位置(啓動spark-sql那麼就和hive的操做同樣,裏面能夠直接寫sql語句進行操做)
bin/spark-sql\
--master spark://intsmaze:7077 \
--executor-memory 512m \
--total-executor-cores 3 \
--driver-class-path /home/intsmaze/mysql-connector-java-5.1.35-bin.jar
裏面直接寫sql語句。
select * from default.person limit 2
第一種是在${SPARK_HOME}/conf目錄下的spark-defaults.conf中添加:spark.jars /intsmaze/lib/mysql-connector-java-5.1.26-bin.jar。
linux
第二種是經過添加 :spark.driver.extraClassPath /intsmaze/lib2/mysql-connector-java-5.1.26-bin.jar這種方式也能夠實現添加多個依賴jar,比較方便。sql
第三種是在運行時添加 --jars /intsmaze/lib2/mysql-connector-java-5.1.26-bin.jar。shell
在spark根目錄下執行:./sbin/start-thriftserver.sh 開啓thrift服務器。數據庫
./start-thriftserver.sh --jars /home/hadoop/mysql-connector-java-5.1.35-bin.jar --master yarn
start-thriftserver.sh 和spark-submit的用法相似,能夠接受全部spark-submit的參數,而且還能夠接受--hiveconf 參數。不添加任何參數表示以local方式運行,默認的監聽端口爲10000apache
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-jdbc</artifactId>
<version>1.2.1</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.4.1</version>
</dependency>
<dependency>
<groupId>jdk.tools</groupId>
<artifactId>jdk.tools</artifactId>
<version>1.6</version>
<scope>system</scope>
<systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
</dependency>
import java.sql.Connection; import java.sql.DriverManager; import java.sql.ResultSet; import java.sql.SQLException; import java.sql.Statement; public class Test1 { public static void main(String[] args) throws SQLException { String url = "jdbc:hive2://192.168.19.131:10000/default"; try { Class.forName("org.apache.hive.jdbc.HiveDriver"); } catch (ClassNotFoundException e) { e.printStackTrace(); } Connection conn = DriverManager.getConnection(url,"hadoop",""); Statement stmt = conn.createStatement(); String sql = "SELECT * FROM personlimit 10"; ResultSet res = stmt.executeQuery(sql); while(res.next()){ System.out.println("id: "+res.getInt(1)+"\tname: "+res.getString(2)+"\tage:" + res.getInt(3)); } } }
這種方式,能夠在yarn的管理界面看到,會長起一個任務,該任務負責跑sql語句,可是不能並行跑sql語句,就是同時爲兩個用戶輸入的查詢語句同時跑,必須等一個跑完了再跑第二個。
json
第一種方案:
將spark sql代碼打包,sql語句和結果存儲位置做爲參數,java代碼收集這些參數後,組裝爲命令,調用腳原本向集羣提交jar包。
第二種方案:
根據Spark官網所述,Spark SQL實現了Thrift JDBC/ODBC server
最後,這篇文章好久了,一直編輯沒有發佈,我如今已經一年不搞spark了,專一java核心技術的研究。
服務器