Spark-SQL和Hive on Spark, SqlContext和HiveContext
来源:互联网 发布:网络综艺运营模式 编辑:程序博客网 时间:2024/04/26 19:45
Hive on Spark和Spark SQL是不同的东西
Hive on Spark: 是除了DataBricks之外的其他几个公司搞的,想让Hive跑在Spark上;Spark SQL: Shark的后继产品, 解除了不少Hive的依赖,且让SQL更加抽象通用化, 支持json,parquet等格式;
关于Catelog和Schema
Catelog是目录的意思,从数据库方向说,相当于就是所有数据库的集合;
Schema是模式的意思, 从数据库方向说, 类似Catelog下的某一个数据库;
SqlContext和HiveContext
SqlContext: 应该是对应spark-sql这个project; 与hive解耦,不支持hql查询;HiveContext:应该是对应spark-hive这个项目; 与hive有部分耦合, 支持hql,是SqlContext的子类,也就是说兼容SqlContext;
hiveContext:
catalog: HiveMetastoreCatalog; 使用了Hive的MetaStore;
analyzer:
catalog; 上面的catalog;
functionRegistry; 用于自定义UDF;
planner = hivePlanner: SparkPlanner & HiveStrategies;
sqlContext:
parser = new catalyst.SqlParser
parseSql(sql: String): LogicalPlan = parser(sql) //解析sql语句的入口; 调用的是上面的catalyst.SqlParser
=> 产生UnresolvedLogicalPlan;
QueryExecution:
logical: LogicalPlan //上面的UnresolvedLogicalPlan;
analyzed = ExtractPythonUdfs(analyzer(logical)) //产生resolved LogicalPlan;
optimizedPlan = optimizer(analyzed) //产生optimized LogicalPlan
sparkPlan = planner(optimizedPlan).next()
executedPlan: SparkPlan = prepareForExecution(sparkPlan) /产生可执行的物理计划;
toRdd: RDD[Row] = executedPlan.execute(); //执行可执行物理计划;
一个开发例子
准备数据
1 test.txt的内容:
zhangyali yes cuiyang
2 hive中执行:
LOAD DATA LOCAL INPATH '/Users/cuiyang_mt/test.txt' OVERWRITE INTO TABLE ewaplog;
3 hive中查询:
select * from ewaplog where value in ('yes', null);只会出现第1条,也就是说, null与 in的比较,结果是false;
在spark shell中查询
sqlContext.sql("select * from ewaplog where value in ('yes', null)").collect().foreach(println)会出现两条:
[zhangyali,yes] [cuiyang,null]
也就是说, spark hql和hive hql, 对于null的比较,返回的结果是不同的;
SqlContext可以将很多数据类型抽象为SQL查询对象
import org.apache.spark.rdd.RDDval sqlc = new org.apache.spark.sql.SQLContext(sc)import sqlc.implicits._case class Person(name: String, age: Int)val people = sc.textFile("examples/src/main/resources/people.txt").map(_.split(",")).map(p => Person(p(0), p(1).trim.toInt)).toDF()people.registerTempTable("people")
0 0
- Spark-SQL和Hive on Spark, SqlContext和HiveContext
- spark sql中的sqlcontext与hivecontext区别
- IDEA Spark HiveContext访问Hive
- Spark核心类:SQLContext和DataFrame
- spark sql on hive
- Spark SQL 之SQLContext(二)
- spark整合hive和sql
- spark sql on hive初探
- Spark SQL on Hive配置
- spark下rdd和dataframe以及sqlcontext之间相互转换
- 总结:Hive,Hive on Spark和SparkSQL区别
- spark sql之访问 hive 和 MySQL
- spark-sql操作hive和hdfs
- Spark SQL和Hive使用场景?
- 整合spark和hive
- [Spark]Shark, Spark SQL, Hive on Spark以及SQL On Spark的未来
- Spark-Sql整合hive,在spark-sql命令和spark-shell命令下执行sql命令和整合调用hive
- Spark SQL 与 Spark SQL on Hive 区别
- ORMapping 3
- RabbitMQ使用场景练习:发布/订阅(三)
- html,javaScript中怎么控制复选框checkbox的全选,全不选,以及全选中,全选按钮选中,其中一个或者多个没选,则全选按钮不被选中
- Java设计模式——建造者模式
- 定宽适配所有移动设备demo
- Spark-SQL和Hive on Spark, SqlContext和HiveContext
- linux下编译dcmtk的Android版本
- OpenCV 无法启动此程序,因为计算机中丢失opencv_core249.dll。请尝试重新安装改程序已解决此问题
- RabbitMQ使用场景练习:路由选择Routing(四)
- RabbitMQ使用场景练习:主题Topic(五)
- ORmapping 4
- phpstorm安装配置
- java 常用正则表达式汇总
- MFC设计