Spark2.x学习笔记:13、Spark SQL快速入门

13、 Spark SQL快速入门

13.1 本地表

(1)准备数据

[root@node1 ~]# mkdir /tmp/data
[root@node1 ~]# cat data/ml-1m/users.dat |tr -s "::" "," >> /tmp/data/users.dat
[root@node1 ~]# tail -5 /tmp/data/users.dat 
6036,F,25,15,32603
6037,F,45,1,76006
6038,F,56,1,14706
6039,F,45,0,01060
6040,M,25,6,11106
[root@node1 ~]#

(2)确认HDFS已经启动 (3)进入spark-sql

[root@node1 ~]# spark-sql 
17/10/11 09:49:48 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
17/10/11 09:50:01 WARN ObjectStore: Version information not found in metastore. hive.metastore.schema.verification is not enabled so recording the schema version 1.2.0
17/10/11 09:50:01 WARN ObjectStore: Failed to get database default, returning NoSuchObjectException
17/10/11 09:50:18 WARN ObjectStore: Failed to get database global_temp, returning NoSuchObjectException
spark-sql>

(4)创建表

spark-sql> create external table user(
         > userid int,
         > gender string,
         > age int,
         > occupation string,
         > zipcode int
         > )
         > row format delimited fields terminated by ','
         > stored as textfile
         > location 'file:///tmp/data';
Time taken: 4.032 seconds
spark-sql>

(5)查看表结构

spark-sql> show create table user;
CREATE EXTERNAL TABLE `user`(`userid` int, `gender` string, `age` int, `occupation` string, `zipcode` int)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'
WITH SERDEPROPERTIES (
  'field.delim' = ',',
  'serialization.format' = ','
)
STORED AS
  INPUTFORMAT 'org.apache.hadoop.mapred.TextInputFormat'
  OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'
LOCATION 'file:/tmp/data'
TBLPROPERTIES (
  'rawDataSize' = '-1',
  'numFiles' = '0',
  'transient_lastDdlTime' = '1507730977',
  'totalSize' = '0',
  'COLUMN_STATS_ACCURATE' = 'false',
  'numRows' = '-1'
)

Time taken: 1.816 seconds, Fetched 1 row(s)
spark-sql> 

(6)查询本地数据表

spark-sql> select * from user limit 10;
1   F   1   10  48067
2   M   56  16  70072
3   M   25  15  55117
4   M   45  7   2460
5   M   25  20  55455
6   F   50  9   55117
7   M   35  1   6810
8   M   25  12  11413
9   M   25  17  61614
10  F   35  1   95370
Time taken: 2.95 seconds, Fetched 10 row(s)
spark-sql>

13.2 使用spark-sql处理Hive MeteStore中的表

注意,默认HDFS已经启动。

(1)hive-site.xml hive可以通过服务的形式对外提供元数据读写操,修改配置文件 $HIVE_HOME/conf/hive-site.xml,增加如下内容

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

其中,node是启动metastore服务所在的节点。 我的hive-site.xml内容如下:

[root@node3 ~]# cat /opt/hive-2.1.1/conf/hive-site.xml 
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
     <property>
          <name>hive.metastore.uris</name>
          <value>thrift://node3:9083</value>
          <description>用于metastore客户端连接远程metestore</description>
    </property>
    <property>
          <name>javax.jdo.option.ConnectionURL</name>
          <value>jdbc:mysql://node3:3306/hive?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>        
          <!--mysql数据库用户名-->            
          <value>root</value>
    </property>
    <property>
          <name>javax.jdo.option.ConnectionPassword</name>
          <value>123456</value>
    </property>
    <property>
          <name>mapred.reduce.tasks</name>
          <value>2</value>
    </property>

</configuration>
[root@node3 ~]#

(2)启动hive metastore

[root@node3 ~]# hive --service hiveserver2  >/dev/null 2>/dev/null &
[root@node3 ~]# hive --service metastore  1>/dev/null  2>&1  &
[root@node3 ~]# jobs
[1]-  Running                 hive --service hiveserver2 > /dev/null 2> /dev/null &
[2]+  Running                 hive --service metastore > /dev/null 2>&1 &
[root@node3 ~]#

(3)将hive的配置文件复制到spark

[root@node3 ~]# scp /opt/hive-2.1.1/conf/hive-site.xml  node1:/opt/spark-2.2.0/conf

(4)启动spark-sql

[root@node1 ~]# spark-sql
17/10/12 09:56:04 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
17/10/12 09:56:15 WARN ObjectStore: Version information not found in metastore. hive.metastore.schema.verification is not enabled so recording the schema version 1.2.0
17/10/12 09:56:15 WARN ObjectStore: Failed to get database default, returning NoSuchObjectException
spark-sql>

(5)查看Hive数据表

spark-sql> show tables;
default copyemp false
default demo    false
default dept    false
default dual    false
default emp false
default empbak  false
default employees   false
default mytb    false
default users   false
Time taken: 4.908 seconds, Fetched 9 row(s)
spark-sql> select * from users;
4   aa
5   bb
6   cc
Time taken: 3.196 seconds, Fetched 3 row(s)
spark-sql>

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏后台及大数据开发

Linux巩固记录(8) Hbase shell 基本使用

1.进入hbase shell: hbase有很多种操作方式,比如shell,java客户端,webUI等,可以直接输入hbase进行提示

541
来自专栏祝威廉

StreamingPro

Spark Streaming is an extension of the core Spark API that enables stream proces...

1035
来自专栏轻量级微服务

Kubernetes Dynamic Volume Provisioning - NFS Provisioner

场景:在 非 Master 节点 添加了 1T 的磁盘,挂载到 /mnt 路径,然后实现在此存储上动态创建 PVC。

460
来自专栏向治洪

IOS WebView控件详解

概述 WebView就是一个内嵌浏览器控件,在iOS中主要有两种WebView:UIWebView和WKWebView,UIWebView是iOS2之后开始使用...

3166
来自专栏Netkiller

CentOS 7.3 + Server JRE 1.8 + Hadoop-2.8.0

本文节选自《Netkiller Linux 手札》由于工作的关系最近几年没有使用hadoop,今天看了一下版本已经到了2.8, 跟数年前用的版本差异还是很大的。...

4366
来自专栏积累沉淀

Spark安装

我的安装版本是spark-1.6.1-bin-hadoop2.6.tgz   这个版本必须要求jdk1.7或者1.7以上 安装spark必须要scala-2.1...

1727
来自专栏iOS开发攻城狮的集散地

WKWebView的使用

1975
来自专栏xingoo, 一个梦想做发明家的程序员

[Hadoop大数据]——Hive数据的导入导出

Hive作为大数据环境下的数据仓库工具,支持基于hadoop以sql的方式执行mapreduce的任务,非常适合对大量的数据进行全量的查询分析。 本文主要...

2617
来自专栏大数据学习笔记

Spark2.x学习笔记:1、Spark2.2快速入门(本地模式)

1、Spark2.2快速入门(本地模式) 1.1 Spark本地模式 学习Spark,先易后难,先从最简单的本地模式学起。 本地模式(local),常用于本地开...

48210
来自专栏Hadoop实操

Sqoop抽取Hive Parquet表数据到MySQL异常分析

在CDH集群中我们需要将Hive表的数据导入到RDBMS数据库中,使用Sqoop工具可以方便的将Hive表数据抽取到RDBMS数据库中,在使用Sqoop抽取Hi...

7147

扫码关注云+社区