Spark 整合hive 实现数据的读取输出

实验环境: linux centOS 6.7 vmware虚拟机

spark-1.5.1-bin-hadoop-2.1.0

apache-hive-1.2.1

eclipse 或IntelJIDea 本次使用eclipse.

代码:

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.sql.DataFrame;
import org.apache.spark.sql.hive.HiveContext;
public class SparkOnHiveDemo {
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());

		//1.可以使用HiveContext 下面的sql(xxx语句)执行HiveSQL语句
		//1 .删除表，创建表
		// stars_infos ,stars_scores
		hiveContext.sql("DROP TABLE IF EXISTS stars_infos");
		hiveContext.sql("CREATE TABLE IF NOT EXISTS stars_infos(name STRING,age INT) "
				+ "row format delimited fields terminated by ‘,‘");

		//2.向表里面导入数据
		hiveContext.sql("LOAD DATA "
				+ "LOCAL INPATH "
				+ "‘/root/book/stars_infos.txt‘ "
				+ "INTO TABLE stars_infos");

		hiveContext.sql("DROP TABLE IF EXISTS stars_scores");
		hiveContext.sql("CREATE TABLE IF NOT EXISTS stars_scores(name STRING,score INT) "
				+ "row format delimited fields terminated by ‘,‘");

		hiveContext.sql("LOAD DATA "
				+ "LOCAL INPATH "
				+ "‘/root/book/stars_score.txt‘ "
				+ "INTO TABLE stars_scores");

		//3.从一张已经存在的hive表里面拿数据，转换为DF
		DataFrame superStarDataFrame = hiveContext.sql("SELECT si.name,si.age,ss.score "
				+ "FROM stars_infos si "
				+ "JOIN stars_scores ss ON si.name=ss.name "
				+ "WHERE ss.score>=90");

		//4.把DF的数据再持久化到hive中去,千万别和registerTemtable搞混了
		hiveContext.sql("DROP TABLE IF EXISTS superStar");
		superStarDataFrame.saveAsTable("superStar");

		//5.直接从Hive中得到DF
		hiveContext.table("superStar").show();

		sc.close();
	}
}

元数据:

可以下载附件，然后上传到指定的目录下。

把程序打包jar后上传到linux指定的目录下，写一个脚本。脚本附件见正文。具体内容修改即可。

运行脚本就可以了。当然要保证MySQL数据库正常，hive正常。