hive sql中将计算引擎改为mapreduce

在 Hive SQL 中，你可以通过设置作业的执行引擎来将计算引擎改为 MapReduce。默认情况下，Hive 使用的是 Tez 引擎进行计算，但你可以通过以下步骤将它更改为 MapReduce：

1. 打开 Hive 的配置文件 hive-site.xml。
2. 在配置文件中添加以下属性：

   <property>
     <name>hive.execution.engine</name>
     <value>mr</value>
   </property>

这将告诉 Hive 使用 MapReduce 作为计算引擎。
3. 保存并关闭配置文件。
4. 重新启动 Hive 服务，以使更改生效。

现在，Hive 将使用 MapReduce 作为计算引擎执行你的查询。请注意，这将影响到所有查询的执行方式，因此在更改执行引擎之前，请确保了解其对性能和资源利用的影响。

相关问题

hive 修改计算引擎为spark

好的，你可以在Hive中将计算引擎修改为Spark，以便在Hive中使用Spark进行查询和处理。以下是将Hive计算引擎修改为Spark的步骤：

1. 首先，确保已经安装了Hive和Spark，并且它们都在同一个集群中运行。

2. 然后，将以下属性添加到Hive的配置文件hive-site.xml中：

<property>
  <name>hive.execution.engine</name>
  <value>spark</value>
</property>
<property>
  <name>hive.spark.client.connect.timeout</name>
  <value>600</value>
</property>
<property>
  <name>hive.server2.enable.spark.execution.engine</name>
  <value>true</value>
</property>

这些属性将告诉Hive将计算引擎设置为Spark，并在HiveServer2中启用Spark计算引擎。

3. 然后，启动HiveServer2，并在Spark中启动Spark Thrift Server：

$ hive --service hiveserver2 &
$ $SPARK_HOME/sbin/start-thriftserver.sh

这将启动HiveServer2和Spark Thrift Server。

4. 然后，使用JDBC连接器连接到Spark Thrift Server，并在Hive中执行查询。你可以使用Spark SQL API执行查询：

import java.sql.DriverManager
import org.apache.spark.sql._

val spark = SparkSession.builder()
  .appName("Hive on Spark example")
  .config("spark.master", "local")
  .enableHiveSupport()
  .getOrCreate()

val jdbcUrl = "jdbc:hive2://localhost:10000/default"
val connection = DriverManager.getConnection(jdbcUrl)
val statement = connection.createStatement()

val query = "SELECT * FROM my_table"
val result = statement.executeQuery(query)

val df = spark.createDataFrame(result, schema)
df.show()

在代码中，我们首先使用`SparkSession.builder()`方法创建一个SparkSession对象，并启用Hive支持。然后，我们使用JDBC连接器连接到Spark Thrift Server，并使用Spark SQL API执行查询。我们将查询结果加载到DataFrame中，并使用`show()`方法显示。

hive如何将SQL转换为MapReduce任务进行执行

Hive通过将SQL语句转换为MapReduce任务来执行。具体来说，Hive将SQL语句解析为逻辑计划，然后将逻辑计划转换为物理计划，最后将物理计划转换为MapReduce任务。在执行期间，Hive会将MapReduce任务提交到Hadoop集群上执行，并将结果返回给用户。