Spark-Core开发及提交

Spark开发指南
本文详细介绍如何使用IntelliJ IDEA和Maven进行Spark项目的开发,包括创建Scala项目、配置依赖、编写Spark程序及使用spark-submit提交任务。

Spark开发

spark-core开发

使用IDEA开发spark程序

创建scala项目

创建scala项目
创建scala项目

配置maven依赖
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <parent>
        <artifactId>SparkDemo</artifactId>
        <groupId>com.realsee.aidata</groupId>
        <version>1.0.0</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>

    <artifactId>spark-core</artifactId>

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.0.1</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <!-- 该插件用于将 Scala 代码编译成 class 文件 -->
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.2.2</version>
                <executions>
                    <execution>
                        <!-- 声明绑定到 maven 的 compile 阶段 -->
                        <goals>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>3.1.0</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>
scala代码开发
package com.realsee.aidata

import org.apache.log4j.Logger
import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

/**
 * @author weizhaolin
 * @date 2022/7/29 16:45
 */
object Demo {

    val logger = Logger.getLogger("Demo")

    def main(args: Array[String]): Unit = {

        // 创建连接
        // 此处不配置AppName、Master等,配置写在spark-submit.sh里
        val sparkConf = new SparkConf()
        val sc: SparkContext = new SparkContext(sparkConf)

        // args接收spark-submit.sh里传入的参数
        // 以下写具体逻辑代码
        println(args(0))
        val rdd: RDD[Int] = sc.makeRDD(List(1, 2, 3, 4))
        rdd.collect().foreach(println)

        // 关闭连接
        sc.stop()
    }

}
使用maven打包

使用maven打包
打包完成后,会在Project根目录下的out文件夹下,生成xxx.jar(本案例即spark-core.jar)

spark提交脚本开发
#!/bin/bash

if [ $# -ne 1 ]; then
    echo "缺少参数flag:(dev or online or dev)"
    echo "正确运行示例:sh $0 flag"
    exit 1
fi

PT=$1
echo ''start spark-core.sh $PT''

spark-submit \
    --class com.realsee.aidata.demo \
    --name weizhaolin \
    --master yarn \
    --deploy-mode cluster \
    --executor-memory 10g \
    --num-executors 20 \
    --executor-cores 2 \
    --driver-memory 6g \
    --conf spark.default.parallelism=100 \
    --conf spark.storage.memoryfraction=0.6 \
    --conf spark.sql.shuffle.partitions=1000 \
    --conf spark.shuffle.memoryfraction=0.3 \
    --conf spark.yarn.executor.memoryoverhead=2048 \
    spark-core.jar \
    $PT

if [ $? -ne 0 ]; then
   echo "spark submit failed"
   exit 1
fi

–class:scala类名

–name:app名称

–master:运行环境,yarn模式

–num-executors:executors数量

–executor-cores:每个executors核数

spark-sql开发

敬请期待… …

<think>好的,我现在需要帮助用户解决如何使用Spark SQL连接Hive的问题。用户明确询问详细步骤,所以我要确保回答的结构清晰,步骤明确。首先,我需要回顾之前提供的引用内容,看看里面有哪些相关信息可以整合。 根据引用[1],Spark SQL整合Hive的关键在于配置文件的复制和执行引擎的不同。引用[2]和[3]提到了具体的步骤,比如拷贝hive-site.xml、MySQL驱动jar包,以及HDFS配置文件。引用[4]则提到了在IDEA中启用Hive支持的方法。这些都是用户可能需要的关键点。 接下来,我需要将这些信息组织成逻辑步骤。首先,用户可能需要配置Hive的元数据,因为Hive默认使用Derby,但在生产环境中通常用MySQL,所以需要确保MySQL驱动正确放置。然后是配置文件的处理,包括hive-site.xml、core-site.xml和hdfs-site.xml,这些文件需要复制到Spark的conf目录下,以便Spark能够访问Hive的元数据和HDFS。 另外,不同的运行环境可能有不同的步骤,比如使用spark-shell、spark-sql CLI、spark-submit提交应用,或者在IDEA中开发。用户可能需要这些不同场景下的指导,所以应该分点说明,每种方法的具体步骤。 还要注意可能出现的常见问题,比如HDFS访问权限、MySQL连接问题,这些可以作为注意事项提醒用户。例如,检查网络连接、配置文件路径是否正确,以及端口是否开放等。 最后,用户可能需要知道如何验证连接是否成功,比如执行SHOW DATABASES命令,查看Hive的表是否存在。这有助于用户确认所有步骤是否正确执行。 现在需要确保回答符合之前的系统级指令:使用正确的中文,行内公式用$...$,独立公式用$$...$$,但这个问题可能不涉及数学公式,所以可能不需要。另外,生成相关问题,比如配置Hive Metastore的注意事项,或者不同部署模式下的区别等。 需要避免直接复制引用内容,而是用自己的话重新组织,确保步骤清晰易懂。同时,引用标识要正确添加,比如在提到拷贝配置文件时引用[2][3],在IDEA部分引用[4]。 可能还需要补充一些细节,比如在spark-submit时如何指定配置文件,或者在代码中启用Hive支持的具体方法。确保每个步骤都有对应的操作和目的说明,让用户明白为什么需要这样做。 最后检查是否有遗漏的步骤,比如是否需要重启Spark服务,或者权限设置等。确保覆盖所有可能的连接方式,并给出验证方法,帮助用户确认成功连接。</think>### 如何使用 Spark SQL 连接 Hive 的详细步骤 #### 一、基础环境准备 1. **确保Hive Metastore服务已启动** Hive的元数据存储默认使用Derby数据库,但生产环境建议配置为MySQL等外部数据库[^2][^3]。需提前完成以下操作: - 在Hive的`conf/hive-site.xml`中配置正确的Metastore连接信息(如MySQL的JDBC URL、用户名、密码) - 启动Hive Metastore服务:`hive --service metastore` 2. **配置Spark访问权限** - 将Hive的配置文件`hive-site.xml`复制到Spark的`conf/`目录下[^2][^3] - 若访问HDFS集群,还需将`core-site.xml`和`hdfs-site.xml`复制到Spark的`conf/`目录[^2] 3. **添加MySQL驱动** 将MySQL JDBC驱动包(如`mysql-connector-java-*.jar`)放入Spark的`jars/`目录[^2][^3] --- #### 二、不同运行场景下的连接方法 ##### 方法1:通过spark-shell交互式连接 ```bash # 启动spark-shell并启用Hive支持 ./bin/spark-shell --master yarn \ --conf spark.sql.catalogImplementation=hive ``` 执行后可通过`spark.sql("SHOW DATABASES").show()`验证是否读取到Hive元数据[^1] ##### 方法2:使用spark-sql CLI ```bash # 配置完成后直接启动 ./bin/spark-sql ``` 在交互界面执行HiveQL语句,例如`SELECT * FROM hive_table`[^3] ##### 方法3:提交Spark应用(spark-submit) ```scala // 创建SparkSession时启用Hive支持 val spark = SparkSession.builder() .appName("SparkHiveExample") .enableHiveSupport() // 关键配置[^4] .getOrCreate() // 执行Hive查询 spark.sql("CREATE TABLE IF NOT EXISTS test(id INT)") ``` ##### 方法4:IDEA开发环境集成 1. 在项目依赖中添加Spark SQL和Hive组件: ```xml <dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-hive_2.12</artifactId> <version>${spark.version}</version> </dependency> ``` 2. 本地测试时指定Hive配置路径: ```scala .config("spark.sql.warehouse.dir", "hdfs://namenode:8020/user/hive/warehouse") .config("hive.metastore.uris", "thrift://metastore_host:9083") ``` --- #### 三、关键配置项说明 | 配置项 | 作用说明 | 示例值 | |---------------------------------|----------------------------|---------------------------------| | `hive.metastore.uris` | 指定Metastore服务地址 | `thrift://hadoop01:9083` | | `spark.sql.warehouse.dir` | Hive仓库路径 | `hdfs://cluster/user/hive/warehouse` | | `javax.jdo.option.ConnectionURL` | 元数据库JDBC连接 | `jdbc:mysql://mysql_host:3306/hive` | --- #### 四、常见问题排查 1. **HDFS访问失败** - 检查`core-site.xml`中是否包含集群的FS默认名称空间配置 - 验证HDFS端口(默认8020)是否开放 2. **Metastore连接超时** - 确认`hive.metastore.uris`配置正确 - 检查Metastore服务是否正常运行:`netstat -an | grep 9083` 3. **表不存在错误** -Spark中执行`spark.sql("USE default")`指定数据库 - 验证Hive中表是否通过`LOCATION`指定了正确的HDFS路径 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值