初始化hivecontext（）对象或spark shell时，它将连接到配置单元元存储，如果找不到，则示例化一个。
使用配置单元的主要原因是，您是从配置单元的托管表中读取hdfs数据，还是希望从外部表中方便地进行选择。
记住，hive只是一个读取和写入hdfs文件的镜头，而不是执行引擎本身。

我读到spark sql在封面下使用hive元存储？这是真的吗？我说的是一个纯sparksql应用程序，它不显式连接到任何配置单元安装。
sparksql不使用隐藏的配置单元元存储（默认为 in-memory 非配置单元目录，除非你在 spark-shell 相反）。
默认的外部目录实现由spark.sql.catalogimplementation内部属性控制，可以是两个可能的值之一： hive 以及 in-memory .
使用 SparkSession 了解正在使用的目录。

scala> :type spark
org.apache.spark.sql.SparkSession

scala> spark.version
res0: String = 2.4.0

scala> :type spark.sharedState.externalCatalog
org.apache.spark.sql.catalyst.catalog.ExternalCatalogWithListener

scala> println(spark.sharedState.externalCatalog.unwrapped)
org.apache.spark.sql.hive.HiveExternalCatalog@49d5b651

请注意，我曾经 spark-shell 那会引起Hive意识 SparkSession 所以我不得不从 --conf spark.sql.catalogImplementation=in-memory 把它关掉。
我正在启动一个sparksql应用程序，不需要使用hive。有什么理由用Hive吗？据我所知，sparksql比hive快得多；所以，我看不出有什么理由使用Hive。
这是一个非常有趣的问题，可以有不同的答案（有些甚至主要基于意见，所以我们必须格外小心，并遵循stackoverflow规则）。
有什么理由用Hive吗？
不。
但是…如果您想使用spark 2.2的最新特性，即基于成本的优化器，您可能会认为它是 ANALYZE TABLE 因为成本统计可能相当昂贵，所以对在不同spark应用程序运行中反复使用的表执行一次统计可以提高性能。
请注意，没有配置单元的sparksql也可以做到这一点，但是有一些限制，因为本地默认的元存储仅用于单用户访问，并且在同时提交的spark应用程序之间重用元数据是行不通的。
我看不出有什么理由用Hive。
我写了一篇博文为什么spark sql如此痴迷于hive(在与hive相处了一天之后），我问了一个类似的问题，令我惊讶的是，直到现在（在我于2016年4月9日发表博客文章将近一年之后），我才明白hive metastore的概念为何如此重要，尤其是在多用户spark笔记本环境中。
hive本身只是hdfs上的一个数据仓库，所以如果您有sparksql，那么就没有太多用处了，但是仍然有一些hive做得相当好的概念在sparksql中非常有用（直到它完全独立于一个类似hive的metastore）。