pyspark连接hive

在使用PySpark连接Hive之前，需要确保已经安装好了Spark和Hive，并且已经配置好了它们之间的连接。

步骤如下：

1. 首先启动PySpark：

pyspark

2. 在Python交互式环境中，导入必要的库：

from pyspark.sql import SparkSession

3. 创建SparkSession实例，并指定Hive为数据源：

spark = SparkSession.builder \
    .appName('MyApp') \
    .config('spark.driver.extraClassPath', '/path/to/hive_jars/*') \
    .config('spark.sql.warehouse.dir', '/path/to/warehouse_dir/') \
    .enableHiveSupport() \
    .getOrCreate()

其中，`.config('spark.driver.extraClassPath', '/path/to/hive_jars/*')`指定Hive Jars的路径，`.config('spark.sql.warehouse.dir', '/path/to/warehouse_dir/')`指定Hive的默认数据仓库路径。

4. 现在就可以使用Spark连接Hive了：

df = spark.sql('SELECT * FROM my_table')
df.show()

注意，本例中的`my_table`是已经存在于Hive中的表。如果需要在Spark中创建Hive表，可以使用以下代码：

df.write.mode('overwrite').saveAsTable('my_table')

其中，`mode('overwrite')`表示如果表已存在就覆盖原数据，`saveAsTable('my_table')`表示将DataFrame保存为Hive表`my_table`。