欢迎使用CSDN-markdown编辑器

来源：互联网发布：杭州淘宝模特培训学校编辑：程序博客网时间：2024/05/20 06:05

摘要：本文将要说明如何使用Spark来对Hive进行操作

1、打jar包，提交Spark任务

通过提交spark任务的方式，如下面的scala代码。之后需要将成代码打包成一个jar包，然后提交到spark中去.一般情况下生产上建议使用这种方法，可以灵活控制sql里的各项参数

[plain] view plain copy

print?

val conf = new SparkConf()
val sc = new SparkContext(conf)
val hiveContext = new HiveContext(sc)
hiveContext.setConf(“hive.support.concurrency”, “true”)
hiveContext.setConf(“hive.exec.parallel”, “true”)
hiveContext.setConf(“hive.exec.dynamic.partition”, “true”)
hiveContext.setConf(“hive.exec.dynamic.partition.mode”, “nonstrict”)
hiveContext.setConf(“hive.exec.max.dynamic.partitions.pernode”, “10000”)
hiveContext.sql(s”insert overwrite table mtagoPblIdxd_table partition(statis_time)  select  mtagoPbl,pv,uv,uvNewVisitor,uvRegUcnt,uvCrdUcnt,uvActUcnt,regUcnt,crdApplyUcnt,crdPassUcnt,crdAmt,bindCardUcnt,bowCnt,bowUcnt,bowAmt,ordCnt,ordUcnt,ordAmt,ordDiscountAmt,ordPayCnt,ordPayUcnt,ordPayAmt,ordUsecrdAmt,loanUcnt,repayCnt,repayUcnt,repayAmt,createTime,updateDate,updateTime,statisTime from temp_MtagoPblIdxd_table”)

    val conf = new SparkConf()    val sc = new SparkContext(conf)    val hiveContext = new HiveContext(sc)    hiveContext.setConf("hive.support.concurrency", "true")    hiveContext.setConf("hive.exec.parallel", "true")    hiveContext.setConf("hive.exec.dynamic.partition", "true")    hiveContext.setConf("hive.exec.dynamic.partition.mode", "nonstrict")    hiveContext.setConf("hive.exec.max.dynamic.partitions.pernode", "10000")    hiveContext.sql(s"insert overwrite table $mtagoPblIdxd_table partition(statis_time)  select  mtagoPbl,pv,uv,uvNewVisitor,uvRegUcnt,uvCrdUcnt,uvActUcnt,regUcnt,crdApplyUcnt,crdPassUcnt,crdAmt,bindCardUcnt,bowCnt,bowUcnt,bowAmt,ordCnt,ordUcnt,ordAmt,ordDiscountAmt,ordPayCnt,ordPayUcnt,ordPayAmt,ordUsecrdAmt,loanUcnt,repayCnt,repayUcnt,repayAmt,createTime,updateDate,updateTime,statisTime from $temp_MtagoPblIdxd_table")

之后就是使用命令来提交任务

[plain] view plain copy

print?

./bin/spark-submit –master 。。。 –class 。。。–executor-memory 。。。

./bin/spark-submit --master  。。。 --class 。。。--executor-memory 。。。

好处：

(1)可以结合rdd来一起使用，比如使用这样写：

val result1 = hivecontext.sql(“select * from …”).rdd.filter.reduceBykey()…..

(2)可以传递不用的参数，如

[plain] view plain copy

print?

hiveContext.sql(s”insert overwrite table mtagoPblIdxd_。。。）这种参数。可以动态注入  </span></span></li></ol></div><pre code_snippet_id="2216048" snippet_file_name="blog_20170220_3_4296816" name="code" class="plain" style="display: none;">hiveContext.sql(s"insert overwrite tablemtagoPblIdxd_。。。）这种参数。可以动态注入
[plain] view plain copy
print?
1. <span style=”font-family: Arial, Helvetica, sans-serif;”>(3)方便调试，代码也比较容易组织</span>
```
(3)方便调试，代码也比较容易组织
```
[plain] view plain copy
print?
1. 缺点：前期开发准备工作要花费一定时间。
```
缺点：前期开发准备工作要花费一定时间。
```
2、使用spark-shell命令行
使用方法如下：
先进入spark交互界面

默认情况会启动一下sqlcontext,创建一个hivecontext
[plain] view plain copy
print?
1. 然后就可以使用hiveContext来提交sql了！
```
然后就可以使用hiveContext来提交sql了！
```
[plain] view plain copy
print?
1. <pre code_snippet_id=”2216048” snippet_file_name=”blog_20170220_7_8484701” name=”code” class=”plain”>hiveContext.sql(“select chnl_code chnl_code, count(1) bow_cnt,sum(case when bow_amt is null then 0 else bow_amt end) bow_amt from ods_uba.bus_req where req_date = ‘2016-10-23’ and bus_type = ‘bow’ group by chnl_code”).rdd.collect().foreach(println);</pre><div style=”text-align: center;”><img src=”http://img.blog.csdn.net/20170215204435272” style=”font-family: Arial, Helvetica, sans-serif;” alt=”“></div>
```
[plain] view plain copy
 print?
hiveContext.sql("select chnl_code chnl_code, count(1)  bow_cnt,sum(case when bow_amt is null then 0 else bow_amt end)  bow_amt from ods_uba.bus_req where req_date = '2016-10-23' and bus_type = 'bow' group by chnl_code").rdd.collect().foreach(println);  
hiveContext.sql("select chnl_code chnl_code, count(1)  bow_cnt,sum(case when bow_amt is null then 0 else bow_amt end)  bow_amt from ods_uba.bus_req where req_date = '2016-10-23' and bus_type = 'bow' group by chnl_code").rdd.collect().foreach(println);
```
优点：
上手快，能很快验证sql的准确性或查询一些数据
缺点：
不好将数据进行进一步的处理，或者存储到其它地方

3、通过spark-sql
spark是也提供了直接调用shell脚本的功能，
编写如下clean.sh脚本
[plain] view plain copy
print?
1. #!/bin/sh
2. /app/hadoop/spark/bin/spark-sql –master spark://sach01-005:7077 -i /<span style=”font-family: Arial, Helvetica, sans-serif;”>/app/hadoop</span><span style=”font-family: Arial, Helvetica, sans-serif;”>/linlin.sql - –executor-memory 1g -e ”\</span>
3. insert overwrite table bus_req_prc partition (req_date, bus_type, bus_subtype)
4. select cr.req_no, cr.user_id, cr.mbl_nbr, cr.uuid_type, cr.uuid, cr.openid_type, cr.openid, cr.chnl_code,
5. cr.mtago_p, cr.mtago_pb, cr.mtago_pbl,
6. cr.mtagi_p, cr.mtagi_pb, cr.mtagi_pbl,
7. cr.mtagc_p, cr.mtagc_pb, cr.mtagc_pbl,
8. cr.fr_page_type, cr.fr_page_id, cr.fr_evt_type, cr.fr_evt_id,
9. cr.req_time, rrs.customer_no,
11. null, null, – register
12. null, null, null, – bind card
14. null, null, null, null, null, null, null, 0, – credit
16. null, 0, 0, 0, null, null, – borrow
18. null, 0, 0, null, null, – ebp order
20. 0, 0, 0, 0, 0, null, null, – loan
22. rrs.application_form_id,
23. rrs.actual_repay_amount,
24. rrs.req_date,
25. substr(rrs.request_date, 11),
27. from_unixtime(unix_timestamp(), ‘yyyy-MM-dd HH:mm:ss’),
28. from_unixtime(unix_timestamp(), ‘yyyy-MM-dd’),
29. from_unixtime(unix_timestamp(), ‘HH:mm:ss’),
31. ’<span style=”font-family: Arial, Helvetica, sans-serif;”>2016-17-12</span><span style=”font-family: Arial, Helvetica, sans-serif;”>’, ‘repay’, ‘rbs’</span>
32. from repayment_request_summary as rrs
33. join chnl_req as cr on (cr.req_no = rrs.trans_ref_no)
34. where rrs.req_date=’2016-17-12’;
35. ”\
```
#!/bin/sh  /app/hadoop/spark/bin/spark-sql --master spark://sach01-005:7077  -i //app/hadoop/linlin.sql - --executor-memory 1g  -e "\insert overwrite table bus_req_prc partition (req_date, bus_type, bus_subtype)    select cr.req_no, cr.user_id, cr.mbl_nbr, cr.uuid_type, cr.uuid, cr.openid_type, cr.openid, cr.chnl_code,          cr.mtago_p, cr.mtago_pb, cr.mtago_pbl,         cr.mtagi_p, cr.mtagi_pb, cr.mtagi_pbl,         cr.mtagc_p, cr.mtagc_pb, cr.mtagc_pbl,         cr.fr_page_type, cr.fr_page_id, cr.fr_evt_type, cr.fr_evt_id,         cr.req_time, rrs.customer_no,         null, null,    -- register         null, null, null,  -- bind card         null, null, null, null, null, null, null, 0, -- credit         null, 0, 0, 0, null, null, -- borrow             null, 0, 0, null, null, -- ebp order         0, 0, 0, 0, 0, null, null,  -- loan         rrs.application_form_id,          rrs.actual_repay_amount,          rrs.req_date,          substr(rrs.request_date, 11),          from_unixtime(unix_timestamp(), 'yyyy-MM-dd HH:mm:ss'),         from_unixtime(unix_timestamp(), 'yyyy-MM-dd'),         from_unixtime(unix_timestamp(), 'HH:mm:ss'),         '2016-17-12', 'repay', 'rbs'         from repayment_request_summary as rrs         join  chnl_req as cr on (cr.req_no = rrs.trans_ref_no)         where rrs.req_date='2016-17-12';  "\
```
然后执行sh clean.sh即可
-i 表示执行指定后缀为.sql的脚本
-e 表示执行后面的内容
优点：
可以直接将原本用Hive执行MapReduce执行的shell脚本，sql脚本基本不用做太大的改动就可以使用spark来跑批（根据我们使用的经验，速度提交至少都是2倍以上）
缺点：
还是无法将数据进行进一步的加工处理，如何使用rdd的函数等，并且维护的成本也不低。

阅读全文

0 0

欢迎使用CSDN-markdown编辑器

1、打jar包，提交Spark任务

2、使用spark-shell命令行

3、通过spark-sql