Hive数据源实战

Spark SQL支持对Hive中存储的数据进行读写。操作Hive中的数据时，必须创建HiveContext，而不是SQLContext。HiveContext继承自SQLContext，但是增加了在Hive元数据库中查找表，以及用HiveQL语法编写SQL的功能。除了sql()方法，HiveContext还提供了hql()方法，从而用Hive语法来编译sql。

使用HiveContext，可以执行Hive的大部分功能，包括创建表、往表里导入数据以及用SQL语句查询表中的数据。查询出来的数据是一个Row数组。

将hive-site.xml拷贝到spark/conf目录下，将mysql connector拷贝到spark/lib目录下

HiveContext sqlContext = new HiveContext(sc); 
sqlContext.sql("CREATE TABLE IF NOT EXISTS students (name STRING, age INT)");

sqlContext.sql("LOAD DATA LOCAL INPATH '/usr/local/spark-study/resources/students.txt' INTO TABLE students");

Row[] teenagers = sqlContext.sql("SELECT name, age FROM students WHERE age<=18").collect();

将数据保存到表中

Spark SQL还允许将数据保存到Hive表中。调用DataFrame的saveAsTable命令，即可将DataFrame中的数据保存到Hive表中。与registerTempTable不同，saveAsTable是会将DataFrame中的数据物化到Hive表中的，而且还会在Hive元数据库中创建表的元数据。

默认情况下，saveAsTable会创建一张Hive Managed Table，也就是说，数据的位置都是由元数据库中的信息控制的。当Managed Table被删除时，表中的数据也会一并被物理删除。

registerTempTable只是注册一个临时的表，只要Spark Application重启或者停止了，那么表就没了。而saveAsTable创建的是物化的表，无论Spark Application重启或者停止，表都会一直存在。

调用HiveContext.table()方法，还可以直接针对Hive中的表，创建一个DataFrame。

案例：查询分数大于80分的学生的完整信息

创建一个student_infos.txt

leo18

marry17

jack19

创建一个student_scores.txt

leo88

marry99

jack76

package cn.spark.study.sql;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaSparkContext;

import org.apache.spark.sql.DataFrame;

import org.apache.spark.sql.Row;

import org.apache.spark.sql.hive.HiveContext;

/**

* Hive数据源

* @author Administrator

*

*/

public class HiveDataSource {

​@SuppressWarnings("deprecation")
public static void main(String[] args) {

​​// 首先还是创建SparkConf

​​SparkConf conf = new SparkConf().setAppName("HiveDataSource");

​​// 创建JavaSparkContext

​​JavaSparkContext sc = new JavaSparkContext(conf);

​​// 创建HiveContext，注意，这里，它接收的是SparkContext作为参数，不是JavaSparkContext

HiveContext hiveContext = new HiveContext(sc.sc());

// 第一个功能，使用HiveContext的sql()方法，可以执行Hive中能够执行的HiveQL语句
​​// 判断是否存在student_infos表，如果存在则删除
​​hiveContext.sql("DROP TABLE IF EXISTS student_infos");

// 判断student_infos表是否不存在，如果不存在，则创建该表
hiveContext.sql("CREATE TABLE IF NOT EXISTS student_infos (name STRING, age INT)");

​​// 将学生基本信息数据导入student_infos表

​​hiveContext.sql("LOAD DATA " + "LOCAL INPATH '/usr/local/spark-study/resources/student_infos.txt' " ​​​​+ "INTO TABLE student_infos");

​​// 用同样的方式给student_scores导入数据

​​hiveContext.sql("DROP TABLE IF EXISTS student_scores"); 

​​hiveContext.sql("CREATE TABLE IF NOT EXISTS student_scores (name STRING, score INT)");  

hiveContext.sql("LOAD DATA " ​​​​+ "LOCAL INPATH '/usr/local/spark-study/resources/student_scores.txt' " ​​​​+ "INTO TABLE student_scores");

​​// 第二个功能，执行sql还可以返回DataFrame，用于查询
​​// 执行sql查询，关联两张表，查询成绩大于80分的学生
DataFrame goodStudentsDF = hiveContext.sql("SELECT si.name, si.age, ss.score " ​​​​+ "FROM student_infos si " ​​​​+ "JOIN student_scores ss ON si.name=ss.name " ​​​​+ "WHERE ss.score>=80");

// 第三个功能，可以将DataFrame中的数据，理论上来说，DataFrame对应的RDD的元素，是Row即可

​​// 将DataFrame中的数据保存到hive表中

​​// 接着将DataFrame中的数据保存到good_student_infos表中

​​hiveContext.sql("DROP TABLE IF EXISTS good_student_infos");  

​​goodStudentsDF.saveAsTable("good_student_infos");  

​​// 第四个功能，可以用table()方法，针对hive表，直接创建DataFrame
​​// 然后针对good_student_infos表，直接创建DataFrame

​​Row[] goodStudentRows = hiveContext.table("good_student_infos").collect();  

​​for(Row goodStudentRow : goodStudentRows) {

​​​System.out.println(goodStudentRow);  
}
sc.close();
​}
}

测试：

hive

show tables;

select * from table1

Scala版本

import org.apache.spark.SparkConf

import org.apache.spark.SparkContext

import org.apache.spark.sql.hive.HiveContext

/**

* @author Administrator

*/

object HiveDataSource {

 def main(args: Array[String]): Unit = {

val conf = new SparkConf().setAppName("HiveDataSource");

val sc = new SparkContext(conf);

val hiveContext = new HiveContext(sc);

hiveContext.sql("DROP TABLE IF EXISTS student_infos");

hiveContext.sql("CREATE TABLE IF NOT EXISTS student_infos (name STRING, age INT)");

hiveContext.sql("LOAD DATA "

   + "LOCAL INPATH '/usr/local/study/sql/student_infos.txt' "

   + "INTO TABLE student_infos");

hiveContext.sql("DROP TABLE IF EXISTS student_scores"); 

hiveContext.sql("CREATE TABLE IF NOT EXISTS student_scores (name STRING, score INT)");  

hiveContext.sql("LOAD DATA "

   + "LOCAL INPATH '/usr/local/study/sql/student_scores.txt' "

   + "INTO TABLE student_scores");

val goodStudentsDF = hiveContext.sql("SELECT si.name, si.age, ss.score "

   + "FROM student_infos si "

   + "JOIN student_scores ss ON si.name=ss.name "

   + "WHERE ss.score>=80");

hiveContext.sql("DROP TABLE IF EXISTS good_student_infos");  

goodStudentsDF.saveAsTable("good_student_infos");  

val goodStudentRows = hiveContext.table("good_student_infos").collect();  

for(goodStudentRow <- goodStudentRows) {

 println(goodStudentRow);  
}
}
}