配置hive on spark有什么模式

在Hive on Spark中，有两种模式可以配置：

1. Spark作为Hive的执行引擎，也称为“Spark Execution Engine”模式。在该模式下，Hive查询将由Spark执行。这个模式的优点是可以利用Spark的内存计算能力来加速Hive查询，但是需要在Hive和Spark之间进行数据拷贝，因此可能存在一些性能损失。

2. Hive作为Spark的SQL引擎，也称为“Hive-on-Spark SQL Engine”模式。在该模式下，Spark将使用Hive的元数据和查询解析器，以及Hive的存储格式和扫描器来执行SQL查询。这个模式的优点是可以充分利用Hive的优势，如支持多种存储格式和查询优化器，同时也可以利用Spark的内存计算能力来加速查询。但是，这种模式需要在Spark中启用Hive支持，因此需要更多的配置和管理工作。

综上所述，选择哪种模式取决于具体的需求和场景。如果需要在Hive和Spark之间进行数据交互，并且想要利用Spark的内存计算能力来加速Hive查询，则可以选择“Spark Execution Engine”模式。如果要充分利用Hive的优点，并且希望在Spark中使用Hive的SQL引擎，则可以选择“Hive-on-Spark SQL Engine”模式。

相关问题

cdh配置hive on spark

### 回答1：
CDH（Cloudera's Distribution for Hadoop）是Cloudera公司针对Hadoop生态系统进行的一系列软件包和工具的集成，其中包括Hive on Spark的配置。

Hive是一个建立在Hadoop之上的数据仓库基础架构，它提供了类似于SQL的查询语言HiveQL，方便用户使用SQL语言对存储在Hadoop中的大型数据集进行查询和分析。Spark是一个快速、通用的数据处理引擎，具有内存计算的特性，能在内存中高效地处理大规模数据。

在CDH中配置Hive on Spark需要进行以下步骤：

1. 确保CDH集群已经正确安装和配置，并且已经启动了Hive服务和Spark服务。

2. 在CDH管理界面中，选择Hive服务，然后点击“配置”选项卡。

3. 在配置页面中，找到“Hive 服务”下的“Ancillary Service Configuration”部分。在“Spark”部分中，填写正确的Spark主节点地址和端口号。

4. 点击“保存并重启”以应用配置更改。

5. 在CDH管理界面中，选择Spark服务，然后点击“配置”选项卡。

6. 在配置页面中，找到“Spark 特定”的部分。在“Spark 实例模式”中选择“Standalone”，表示将使用独立的Spark集群。

7. 在“Spark 主节点地址”中填写正确的Spark主节点的地址。

8. 点击“保存并重启”以应用配置更改。

9. 配置完成后，可以使用HiveQL语句在Hive中使用Spark进行查询和分析数据。在Hive命令行或Hue界面中，编写需要的查询语句并执行。

通过以上步骤，就可以在CDH上成功配置Hive on Spark。这样就可以同时利用Hive和Spark的强大功能，实现对大规模数据的高效分析和处理。

### 回答2：
CDH配置Hive on Spark是指在CDH平台上配置使用Spark作为Hive的计算引擎。下面是具体的步骤：

1. 首先，确保已经在CDH平台上安装了Hive和Spark组件。

2. 在Hive的配置文件中，需要添加以下参数来启用Hive on Spark：
hive.execution.engine = spark
hive.spark.client.connect.timeout = 300s
hive.spark.client.server.connect.timeout = 300s

3. 在Spark的配置文件中，需要增加以下参数来支持Hive on Spark：
spark.master = yarn-client
spark.deploy.mode = client
spark.submit.deployMode = client
spark.yarn.queue = default
spark.executor.instances = 10
spark.executor.memory = 4G
spark.executor.cores = 2
spark.driver.memory = 4G

4. 然后，重启Hive和Spark的服务。

5. 运行Hive脚本或者Hive命令时，可以在Hive中使用"hive.execution.engine=spark"设置为Spark引擎，或者在命令行中使用"--engine=spark"参数。

配置完成后，Hive会将相应的作业提交给Spark来执行，利用Spark的分布式计算能力加速Hive查询的执行速度。需要注意的是，配置Hive on Spark需要确保CDH平台中的Hive和Spark是兼容的，并且调整Spark的资源配置以满足计算需求。

总之，通过CDH配置Hive on Spark可以充分发挥Spark的并行处理能力，提高Hive查询的执行效率和性能。

### 回答3：
CDH是一种大数据解决方案，用于配置Hive on Spark的步骤如下：

1. 首先，确保已安装CDH集群并启动了Hive和Spark组件。如果还没有安装，请按照CDH文档进行安装和配置。

2. 检查Hive和Spark的版本兼容性。Hive on Spark需要Hive和Spark版本之间的兼容性，查看CDH文档以了解哪些版本适用于您的集群。

3. 在Hive配置文件中启用Hive的Spark支持。打开Hive配置文件（hive-site.xml），设置hive.execution.engine为spark。

4. 配置Spark属性。在Spark配置文件（spark-defaults.conf）中，设置spark.master为yarn-client或yarn-cluster，这取决于您的CDH集群配置。还可以通过设置其他属性来优化Spark执行引擎的性能。

5. 启动Hive服务。重启Hive服务以使配置更改生效。您可以使用以下命令重新启动Hive服务：
sudo service hive-server2 restart

6. 测试Hive on Spark。使用Hive命令行或其他Hive客户端，运行一些Hive查询并确认它们是否在Spark上执行。

配置Hive on Spark可以提供更好的性能和资源利用率。而且，使用Spark作为执行引擎还可以充分利用Spark提供的丰富的数据处理功能和API。通过使用CDH的Hive on Spark配置，您可以更好地处理和分析大规模的数据集。

hive on spark 配置原理

在Hive on Spark模式下，Hive使用Spark作为计算引擎来执行查询。它的配置原理如下：

1. 首先，需要在Hive中启用Spark支持。可以通过设置hive.execution.engine为spark来启用。

2. 接下来，需要在Hive中配置Spark相关的参数，包括Spark的master地址、Spark的executor内存大小、Spark的executor个数等。这些参数可以通过在Hive中设置对应的配置属性来进行配置。

3. 然后，需要在Hive中创建一个SparkSession，以便Hive可以使用它来执行Spark任务。SparkSession是Spark 2.x中用于创建DataFrame和DataSet的入口点。在Hive中创建SparkSession的方式是通过设置hive.spark.session.*属性，其中*代表SparkSession的相关属性。

4. 同时，为了更好地利用Spark的资源管理能力，需要在Spark集群中配置好资源管理器，如YARN、Mesos或Standalone等。在Hive on Spark模式下，Hive将使用Spark集群中的资源管理器来管理Spark任务的资源分配和调度。

综上所述，Hive on Spark的配置原理是通过在Hive中启用Spark支持，配置Spark相关参数和创建SparkSession，并在Spark集群中配置好资源管理器来实现的。