Hive on Spark配置

1. 版本兼容

Hive on Spark仅使用特定版本的Spark进行测试，因此只能确保给定版本的Hive与特定版本的Spark一起使用。其他版本的Spark可能与给定版本的Hive一起使用，但这不能保证。下面是Hive版本列表及其相应的兼容Spark版本。

Hive Version	Spark Version
master	2.3.0
3.0.x	2.3.0
2.3.x	2.0.0
2.2.x	1.6.0
2.1.x	1.6.0
2.0.x	1.5.0
1.2.x	1.3.1
1.1.x	1.2.0

2. 安装Spark

2.1 环境配置

• java 1.8.0+
• hadoop 2.7.0+
• hive 2.3.0
• spark 2.0.2
• scala 2.11.12

2.2 编译安装

• 安装/构建兼容版本。从上诉版本中选择适合的Spark版本进行编译安装.

• 安装/构建兼容的分发版。每个版本的Spark都有几个发行版，对应不同版本的Hadoop。

• 注意，必须拥有不包含Hive jar 的Spark版本 。Spark的发行版本为了兼顾Spark SQL都会包含有Hive相关的jar,所以我们需要通过源码重新编译,去重相关的jar.

  在Spark 2.0.0之前：

  ./make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.4,parquet-provided"
  

  自Spark 2.0.0起：

  ./dev/make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.7,parquet-provided"
  

  自Spark 2.3.0起：

  ./dev/make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.7,parquet-provided,orc-provided"
  

3. 配置Hive

3.1 拷贝spark下的jar包到hive的lib下

• cp scala-library-2.11.8.jar /usr/share/hive-2.3.0/lib/
• cp spark-core_2.11-2.0.2.jar /usr/share/hive-2.3.0/lib/
• cp spark-network-common_2.11-2.0.2.jar /usr/share/hive-2.3.0/lib/

3.2 配置Hive执行引擎以使用Spark

在hive-site.xml文件中添加:

<property>
        <name>hive.execution.engine</name>
        <value>spark</value>
  </property>

4. 允许Yarn在节点上缓存必要的spark依赖关系jar，这样每次应用程序运行时都不需要分发它。

• 在Hive 2.2.0之前，将spark-assembly jar上传到hdfs文件（例如：hdfs：// xxxx：8020 / spark-assembly.jar）并在hive-site.xml中添加以下内容

  <property>
    <name>spark.yarn.jar</name>
    <value>hdfs://xxxx:8020/spark-assembly.jar</value>
  </property>
  

  ​

• Hive 2.2.0，将$ SPARK_HOME / jars中的所有jar上传到hdfs文件夹（例如：hdfs：/// xxxx：8020 / spark-jars）并在hive-site.xml中添加以下内容

  <property>
    <name>spark.yarn.jars</name>
    <value>hdfs://xxxx:8020/spark-jars/*</value>
  </property>
  

  ​

5. 执行hive命令

image.png