CDP7环境下使用SparkSQL Shell方式

相信很多在用CDP7的小伙伴都遇到了Spark里面不再支持spark-sql的问题

这里给出两种解决方案：spark-submit与spark-shell

cloudera官方给的解决方案

https://docs.cloudera.com/cdp-private-cloud-base/7.1.5/developing-spark-applications/topics/spark-sql-example.html

基于这个方案，这里提供两种通用方案

test.hql

CREATE DATABASE SPARK;
CREATE TABLE SPARK.TEST(ID INT, NAME STRING);
INSERT INTO SPARK.TEST VALUES(1,'Daniel');
SELECT
 * 
 FROM SPARK.TEST;

• spark-submit(推荐)
  编写Scala代码来解决这个问题，这里以读取HDFS上的SQL为例

package sparksql

import org.apache.spark.sql.{Encoders, SparkSession}

import scala.collection.JavaConversions._

/**
  * @Author Daniel
  * @Description Spark运行HDFS上的SQL
  **/
object RunSparkSQL {
  def main(args: Array[String]): Unit = {
    if (args == null || args.length < 1) {
      println(
        """
          |parameter errors! Usage: <SQL>
          |SQL: a spark sql command
        """.stripMargin
      )
      System.exit(-1)
    }

    val spark = SparkSession.builder()
      // hive的配置
      .config("hive.metastore.uris", "thrift://hadoop03:9083")
      .appName(RunSparkSQL.getClass.getSimpleName)
      .enableHiveSupport()
      .getOrCreate()

    /*
    以spark.read的方式去读文本文件，会将文件读成一个表
    表的话，就涉及到很多列，但这里为SQL，是没有多列的，
    所以以一个不存在的分割符来切割，表示这里只需要一列
    !!!如果是低版本的Spark只支持一个分隔符，改为option("sep", "@")
     */
    val df = spark.read.option("sep", "@@@").csv(args(0))
    // 将df里面数据的格式强制转换为String类型，将其转成一个集合
    val rowList = df.as(Encoders.STRING).collectAsList
    var rows = ""
    // 添加空格，避免SQL连在一起产生语法错误
    for (row <- rowList) {
      rows += " " + row
    }
    // 如果有多个SQL，以分号来分割
    val sqlArr = rows.split(";")
    // 运行每一个SQL，注意这里要导入scala.collection.JavaConversions._才能进行遍历
    for (s <- sqlArr) {
      // 显示完整结果
      spark.sql(s).show(false)
    }
    spark.stop()
  }
}

将代码打成jar包，上传到hdfs

hdfs dfs -put test.hql /hive_data
hdfs dfs -put runsparksql.jar /hive_data/jars

然后编写Shell脚本

runspark.sh

spark-submit \
--class sparksql.RunSparkSQL \
--master local[*] \
--deploy-mode client \
--total-executor-cores 2 \
--executor-cores 1 \
--executor-memory 600M \
hdfs:///hive_data/jars/runsparksql.jar \
$1

运行脚本

bash runspark.sh hdfs:///hive_data/test.hql

结果

++
||
++
++

++
||
++
++

++
||
++
++

+---+------+
|ID |NAME  |
+---+------+
|1  |Daniel|
+---+------+

hive里面也可以查看

• spark-shell
  编写shell脚本来解决这个问题，在spark的bin目录下新建脚本

vi $SPARK_HOME/bin/spark2-sql

spark2-sql

#!/bin/bash

if [[ $1 = "-e" ]];then
   sql=$2
elif [[ $1 = "-f" ]];then
   sql=`cat $2`
else
  echo "Usage:"
  echo "--------------------------------------------------------"
  echo "spark2-sql.sh -f [SQL filename] : execute a sql file"
  echo "spark2-sql.sh -e [SQL] : execute a sql"
  echo "--------------------------------------------------------"
fi

if [[ ${sql} =~ ';' ]];then
  i=1
  while((1==1))
  do
     splitchar=`echo $sql|cut -d ";" -f$i`
     if [ "$splitchar" != "" ];then
        ((i++))
        sparksql=${sparksql}"spark.sql(\"$splitchar\").show();"
     else
        break
     fi
  done
else
  sparksql = "spark.sql(\"$sql\").show();"
fi
echo $sparksql
echo ${sparksql} | spark-shell

直接运行即可，-e加具体sql，-f加文件(目前只支持Local的文件)

spark2-sql -e 'select current_timestamp;'
spark2-sql test.hql