SparkSQL编程方式纯SQL读写Hive数据源

一、准备工作

• 实验环境：IDEA + CentOS7 + Spark2.4.8+Hive2.3.3+MySQL2.7+Hadoop2.7.3
• 数据准备：Hive中的emp员工信息表
• 前置工作：
  • Hadoop开启HDFS服务（必选）
  • 开启hiveserver2服务（可选）
  • 开启Spark服务（可选）
  • 将hive-site.xml复制到idea工程下的resources目录下（必选）

二、任务分析

借助sparksql读写hive表，利用纯的SQL来完成对emp表中按照部门求其工资，并按照工资总额进行降序排序。

三、编码实现

• 创建maven工程
• 添加maven依赖，即在pom.xml中添加hive的依赖，spark的依赖请参考之前的实验，如下：

  <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-hive_2.12</artifactId>
      <version>2.4.8</version>
  </dependency>
  

• 将虚拟机中的hive-site.xml导出来，并放置在idea工程resources目录下，如图所示：
  
• 创建HiveDemo.scala的object对象，编写如下代码即可：

import org.apache.spark.sql.SparkSession

object HiveDemo {
  def main(args: Array[String]): Unit = {
    val spark: SparkSession = SparkSession
      .builder()
      .master("local[2]")
      .appName("Test")
      // 如不配置，则使用本地的warehouse
      .config("spark.sql.warehouse.dir", "hdfs://niit01:9000/user/hive/warehouse")
      .enableHiveSupport()
      .getOrCreate()
	// 引入隐士函数
    import spark.implicits._
    import spark.sql

    sql("select deptNo,sum(sal) as total from emp group by deptNo order by total desc").show
	// 关系资源
	spark.stop()
  }
}

注意：代码中的.config部分是hdfs上的路径，故需要开启hdfs服务。如删除.config，则会在工程目录下生成metastore_db目录，其作为hive的元数据库的目录

五、运行测试