无法读取spark中的orc事务表看到空Dataframe

t98cgbkg  于 2021-06-25  发布在  Hive
关注(0)|答案(2)|浏览(580)

我们有一个带有orc文件格式和zlib压缩的事务表。这是一张内桌。通过hivecli读取时,我可以读取表。但当通过sparksql运行select时,它会显示包含所有列和0行的表。请帮忙。

i2loujxw

i2loujxw1#

这可以在ScalaSpark中使用HiveWare连接器完成(我使用的是hortonworks)。使用的jar是“hive-warehouse-connector_2.11-1.0.0.3.1.0.0-78.jar”。
示例代码:

import com.hortonworks.hwc.HiveWarehouseSession
import com.hortonworks.spark.sql.hive.llap.HiveWarehouseBuilder
val conf = new SparkConf()
val spark = SparkSession.builder().appName(AppName).enableHiveSupport().getOrCreate()
spark.conf.set("spark.sql.hive.hiveserver2.jdbc.url","//your hive url")
val hive = HiveWarehouseBuilder.session(spark).build()
val res = hive.table("db.tablename")
res.show(20,False)
bn31dyow

bn31dyow2#

这也可以通过使用pyspark来实现,但是您必须向它添加一些配置,下面是在pyspark中执行相同操作的代码示例

from pyspark.sql import  *
from pyspark_llap import HiveWarehouseSession
from pyspark.sql import SparkSession
from pyspark.sql.rdd.RDD
from pyspark.sql.types import *
from pyspark.sql import Window
from pyspark.sql.functions import *
from pyspark.sql.functions import *

spark = SparkSession.builder \
                   .appName("appname") \
                   .enableHiveSupport() \
                   .getOrCreate()

hive = HiveWarehouseSession.session(spark).build()
sample = hive.executeQuery("""select * from <schema.tablename>""")
sample.show()`

要使用spark submit执行上述操作,请添加以下配置
spark submit--jars/usr/hdp/3.1.0.0-78/hive\u warehouse\u connector/hive-warehouse-connector-assembly-1.0.0.3.1.0.0-78.jar--py files/usr/hdp/current/hive\u warehouse\u connector/pyspark\u hwc-1.0.0.0-78.zip--conf spark.sql.hive.hiveserver2.jdbc.url=“jdbc url;servicediscoverymode=zookeeperha;zookeepernamespace=hs2activePasseHA”--conf spark.hadoop.hive.llap.daemon.service.hosts=“@llap0”--conf spark.datasource.hive.warehouse.load.staging.dir=“/tmp”--conf spark.hadoop.hive.zookeer.quorum=“all zookeer url”--conf spark.sql.hive.hiveserver2.jdbc.url.principal=“jdbc连接的url”--confspark.security.credentials.hiveserver2.enabled=“true”testpysparkjob.py

相关问题