cloudera怎么在spark-shell命令行执行sparkhql
这篇文章主要为大家展示了“cloudera怎么在spark-shell命令行执行spark hql”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“cloudera怎么在spark-shell命令行执行spark hql”这篇文章吧。
创新互联主要从事网站制作、成都网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务船山,10多年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:028-86922220
编译支持hive的spark assembly
原生的spark assembly jar是不依赖hive的，如果要使用spark hql必须将hive相关的依赖包打到spark assembly jar中来。打包方法：
假设已经装好了maven,
1添加环境变量，如果jvm的这些配置太小的话，可能导致在编译过程中出现OOM，因此放大一些：
export MAVEN_OPTS="-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m"
2 将spark源码下的scalastyle-config.xml，复制到assembly下
3 cd到spark源码目录，执行：
mvn -Pyarn -Dhadoop.version=2.5.0-cdh6.3.0 -Dscala-2.10.4 -Phive -Phive-thriftserver -DskipTests clean package
(用cdh版本的只要写 mvn -Pyarn -Phive -DskipTests clean package就可以了)
注意hadoop.version和scala的版本设置成对应的版本
经 过漫长的编译过程（我编译了2个半小时），最终成功了，在assembly/target/scala-2.10目录下面有spark- assembly-1.2.0-cdh6.3.0-hadoop2.5.0-cdh6.3.0.jar文件，用rar打开看看hive jdbc package有没有包含在里面，有的话说明编译成功了。
cloudera如何在spark-shell命令行执行spark hql
前面介绍如何编译包含hive的spark-assembly.jar了
cloudera manager装好的spark,直接执行spark-shell进入命令行后，写入如下语句：
val hiveContext = new org.apache.spark.sql.hive.HiveContext(sc)
你会发现没法执行通过，因为cm装的原生的spark是不支持spark hql的，我们需要手动进行一些调整：
第一步，将编译好的包含hive的JAR包上传到hdfs上配置的默认的spark的sharelib目录：/user/spark/share/lib
第二步：在你要运行spark-shell脚本的节点上的/opt/cloudera/parcels/CDH- 5.3.0-1.cdh6.3.0.p0.30/lib/spark/lib/目录下面，下载这个jar到这个目录：hadoop fs -get hdfs://n1:8020/user/spark/share/lib/spark-assembly-with-hive-maven.jar（具 体路径替换成你自己的）。然后这个目录下面原来会有个软链接spark-assembly.jar指向的是spark-assembly-1.2.0- cdh6.3.0-hadoop2.5.0-cdh6.3.0.jar，我们把这个软链接删除掉重新创建一个同名的软链接：ln -s spark-assembly-with-hive-maven.jar spark-assembly.jar，指向我们刚下载下来的那个JAR包，这个JAR包会在启动spark-shell脚本时装载到driver program的classpath中去的，sparkContext也是在driver中创建出来的，所以需要将我们编译的JAR包替换掉原来的 spark-assembly.jar包，这样在启动spark-shell的时候，包含hive的spark-assembly就被装载到 classpath中去了。
第三步：在/opt/cloudera/parcels/CDH/lib/spark/conf/目录下面创建一个 hive-site.xml。/opt/cloudera/parcels/CDH/lib/spark/conf目录是默认的spark的配置目录，当 然你可以修改默认配置目录的位置。hive-site.xml内容如下：
hive.metastore.local false hive.metastore.uris thrift://n1:9083 hive.metastore.client.socket.timeout 300 hive.metastore.warehouse.dir /user/hive/warehouse
这个应该大家都懂的，总要让spark找到hive的元数据在哪吧，于是就有了上面一些配置。
第四步：修改/opt/cloudera/parcels/CDH/lib/spark/conf/spark- defaults.conf，添加一个属性：spark.yarn.jar=hdfs://n1:8020/user/spark/share/lib /spark-assembly-with-hive-maven.jar。这个是让每个executor下载到本地然后装载到自己的classpath 下面去的，主要是用在yarn-cluster模式。local模式由于driver和executor是同一个进程所以没关系。
以上完事之后，运行spark-shell,再输入:
val hiveContext = new org.apache.spark.sql.hive.HiveContext(sc)
应该就没问题了。我们再执行一个语句验证一下是不是连接的我们指定的hive元数据库：
hiveContext.sql("show tables").take(10) //取前十个表看看
最后要重点说明一下这里的第二步第三步和第四步，如果是yarn-cluster模式的话，应该替换掉集群所有节点的spark- assembly.jar集群所有节点的spark conf目录都需要添加hive-site.xml，每个节点spark-defaults.conf都需要添加 spark.yarn.jar=hdfs://n1:8020/user/spark/share/lib/spark-assembly-with- hive-maven.jar。可以写个shell脚本来替换，不然手动一个一个节点去替换也是蛮累的。
以上是“cloudera怎么在spark-shell命令行执行spark hql”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
文章名称：cloudera怎么在spark-shell命令行执行sparkhql
文章起源：http://shouzuofang.com/article/jcgdco.html