Question

我无法再使用metastore将表保存到配置单元数据库。我使用spark.sql在spark中看到了表，但是在蜂巢数据库中看不到相同的表。我试过了，但它没有将表格存储为配置单元。如何配置配置单元metastore？ Spark版本是2.3.1。

如果您需要更多详细信息，请发表评论。

%spark
import org.apache.spark.sql.SparkSession
val spark = (SparkSession
        .builder
        .appName("interfacing spark sql to hive metastore without configuration file")
        .config("hive.metastore.uris", "thrift://xxxxxx.xxx:9083") // replace with your hivemetastore service's thrift url
        .enableHiveSupport() // don't forget to enable hive support
        .getOrCreate())

spark.conf.get("spark.sql.warehouse.dir")// Output: res2: String = /apps/spark/warehouse
spark.conf.get("hive.metastore.warehouse.dir")// NotSuchElement Exception
spark.conf.get("spark.hadoop.hive.metastore.uris")// NotSuchElement Exception

var df = (spark
        .read
        .format("parquet")
        .load(dataPath)

df.createOrReplaceTempView("my_temp_table");
spark.sql("drop table if exists my_table");
spark.sql("create table my_table using hive as select * from my_temp_table");
spark.sql("show tables").show(false)// I see my_table in default database

在@catpaws答案之后更新：HDP 3.0及更高版本，Hive和Spark使用独立的目录

将表格保存到Spark目录：

df.createOrReplaceTempView("my_temp_table");
spark.sql("create table my_table as select * from my_temp_table");

VS

将表保存到配置单元目录：

val hive = com.hortonworks.spark.sql.hive.llap.HiveWarehouseBuilder.session(spark).build()

hive.createTable("newTable")
  .ifNotExists()
  .column("ws_sold_time_sk", "bigint")
  ...// x 200 columns
  .column("ws_ship_date_sk", "bigint")
  .create()

df.write.format(HIVE_WAREHOUSE_CONNECTOR)
  .option("table", "newTable")
  .save()

如您所见，Hive Warehouse Connector对于具有一百列的数据框是非常不切实际的。有什么方法可以将大型数据帧保存到Hive？

Answer 1

来自Converting to Boolean：在HDP 3.0及更高版本中，Spark和Hive使用独立的目录来访问相同或不同平台上的SparkSQL或Hive表。 Spark创建的表位于Spark目录中。 Hive创建的表位于Hive目录中。数据库属于目录名称空间，类似于表如何属于数据库名称空间。这些表虽然是独立的，但可以互操作，并且可以在Hive目录中看到Spark表，但仅在使用Hive Warehouse Connector时可以看到。

使用HWC API的Hortonworks docs将数据帧写入Hive。

更新：您现在可以（通过使用HDP 3.1）创建一个DataFrame，并且如果表示该DataFrame的Hive表不存在，则Hive Warehouse Connector会创建它，如Write operations所示：

df = //Create DataFrame from any source

val hive = com.hortonworks.spark.sql.hive.llap.HiveWarehouseBuilder.session(spark).build()

df.write.format(HIVE_WAREHOUSE_CONNECTOR)
.option("table", "my_Table")
.save()

Answer 2

正如@catpaws所说，Spark和Hive使用独立的目录。要使用Hive Warehouse Connector保存具有多列的数据框，可以使用我的功能：

save_table_hwc(df1, "default", "table_test1")

def save_table_hwc(df: DataFrame, database: String, tableName: String) : Unit = {
    hive.setDatabase(database)
    hive.dropTable(tableName, true, false)
    hive.createTable(tableName)
    var table_builder = hive.createTable(tableName)
    for( i <- 0 to df.schema.length-1){
        var name = df.schema.toList(i).name.replaceAll("[^\\p{L}\\p{Nd}]+", "")
        var data_type = df.schema.toList(i).dataType.sql
        table_builder = table_builder.column(name, data_type)
    }
    table_builder.create()
    df.write.format(HIVE_WAREHOUSE_CONNECTOR).option("table", tableName).save()
}

无法将表格保存到配置单元metastore HDP 3.0

2 个答案: