Question

请考虑以下设置。

hadoop版本2.6.4

spark version 2.1.0

OS CentOS Linux版本7.2.1511（核心）

所有软件作为单节点群集安装在一台计算机上，spark以独立模式安装。我正在尝试使用 Spark Thrift Server 。要启动spark thrift服务器，我运行shell脚本 start-thriftserver.sh

运行thrift服务器后，我可以运行beeline命令行工具并发出以下命令：命令成功运行：

!connect jdbc:hive2://localhost:10000 user_name '' org.apache.hive.jdbc.HiveDriver
create database testdb;
use testdb;
create table names_tab(a int, name string) row format delimited fields terminated by ' ';

我的第一个问题是haddop是创建此表/数据库的基础文件/文件夹的位置？问题是即使使用stop-all.sh停止hadoop，仍然是create table / database命令成功，这让我觉得桌子根本没有在hadoop上创建。

我的第二个问题是如何告诉spark世界上安装了hadoop的位置？并请求spark使用hadoop作为从直线运行的所有查询的基础数据存储。

我是否应该在其他模式下安装spark？

提前致谢。

Answer 1

我的目标是使用hadoop作为底层数据存储，通过Spark Thrift Server获取beeline命令行实用程序，并让它运行起来。我的设置是这样的：

Hadoop  <-->  Spark  <-->  SparkThriftServer  <--> beeline

我想以这样一种方式配置spark，它为在beeline命令行实用程序中运行的所有查询使用hadoop。诀窍是在spark-defaults.xml中指定以下属性。

spark.sql.warehouse.dir hdfs://localhost:9000/user/hive/warehouse

默认情况下，spark对元数据和数据本身使用derby（在spark中称为仓库）为了让火花使用hadoop作为仓库，我必须添加这个属性。

这是一个示例输出

./beeline
Beeline version 1.0.1 by Apache Hive
beeline> !connect jdbc:hive2://localhost:10000 abbasbutt '' org.apache.hive.jdbc.HiveDriver
Connecting to jdbc:hive2://localhost:10000
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/home/abbasbutt/Projects/hadoop_fdw/hadoop/share/hadoop/common/lib/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/home/abbasbutt/Projects/hadoop_fdw/apache-hive-1.0.1-bin/lib/hive-jdbc-1.0.1-standalone.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
Connected to: Spark SQL (version 2.1.0)
Driver: Hive JDBC (version 1.0.1)
Transaction isolation: TRANSACTION_REPEATABLE_READ
0: jdbc:hive2://localhost:10000>
0: jdbc:hive2://localhost:10000>
0: jdbc:hive2://localhost:10000>
0: jdbc:hive2://localhost:10000> create database my_test_db;
+---------+--+
| Result  |
+---------+--+
+---------+--+
No rows selected (0.379 seconds)
0: jdbc:hive2://localhost:10000> use my_test_db;
+---------+--+
| Result  |
+---------+--+
+---------+--+
No rows selected (0.03 seconds)
0: jdbc:hive2://localhost:10000> create table my_names_tab(a int, b string) row format delimited fields terminated by ' ';
+---------+--+
| Result  |
+---------+--+
+---------+--+
No rows selected (0.11 seconds)
0: jdbc:hive2://localhost:10000>

以下是hadoop中的相应文件

[abbasbutt@localhost test]$ hadoop fs -ls /user/hive/warehouse/
17/01/19 10:48:04 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Found 4 items
drwxrwxr-x   - abbasbutt supergroup          0 2017-01-18 23:45 /user/hive/warehouse/fdw_db.db
drwxrwxr-x   - abbasbutt supergroup          0 2017-01-18 23:23 /user/hive/warehouse/my_spark_db.db
drwxrwxr-x   - abbasbutt supergroup          0 2017-01-19 10:47 /user/hive/warehouse/my_test_db.db
drwxrwxr-x   - abbasbutt supergroup          0 2017-01-18 23:45 /user/hive/warehouse/testdb.db

[abbasbutt@localhost test]$ hadoop fs -ls /user/hive/warehouse/my_test_db.db/
17/01/19 10:50:52 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Found 1 items
drwxrwxr-x   - abbasbutt supergroup          0 2017-01-19 10:50 /user/hive/warehouse/my_test_db.db/my_names_tab
[abbasbutt@localhost test]$

如何使用spark thrift服务器的hadoop？

1 个答案: