python - 在 Python 中以编程方式启动 HiveThriftServer

Question

在 spark-shell (scala) 中，我们导入， org.apache.spark.sql.hive.thriftserver._ 为特定的配置单元上下文以编程方式启动 Hive Thrift 服务器 HiveThriftServer2.startWithContext(hiveContext) 为该特定 session 公开注册的临时表。

我们如何使用 python 做同样的事情？ python 上是否有用于导入 HiveThriftServer 的包/api？任何其他想法/建议表示赞赏。

我们使用 pyspark 创建数据框

谢谢

拉维·纳拉亚南

Answer 1

您可以使用 py4j java 网关导入它。以下代码适用于 spark 2.0.2，可以通过直线查询在 python 脚本中注册的临时表。

from py4j.java_gateway import java_import
java_import(sc._gateway.jvm,"")

spark = SparkSession \
        .builder \
        .appName(app_name) \
        .master(master)\
        .enableHiveSupport()\
        .config('spark.sql.hive.thriftServer.singleSession', True)\
        .getOrCreate()
sc=spark.sparkContext
sc.setLogLevel('INFO')

#Start the Thrift Server using the jvm and passing the same spark session corresponding to pyspark session in the jvm side.
sc._gateway.jvm.org.apache.spark.sql.hive.thriftserver.HiveThriftServer2.startWithContext(spark._jwrapped)

spark.sql('CREATE TABLE myTable')
data_file="path to csv file with data"
dataframe = spark.read.option("header","true").csv(data_file).cache()
dataframe.createOrReplaceTempView("myTempView")

然后去beeline检查是否正确启动:

in terminal> $SPARK_HOME/bin/beeline
beeline> !connect jdbc:hive2://localhost:10000
beeline> show tables;

它应该显示在 python 中创建的表和临时表/ View ，包括上面的“myTable”和“myTempView”。必须有相同的 spark session 才能看到临时 View

(参见答案:Avoid starting HiveThriftServer2 with created context programmatically。
注意:即使 Thrift 服务器从终端启动并连接到同一个 Metastore，也可以访问 Hive 表，但是无法访问临时 View ，因为它们在 Spark session 中并且没有写入 Metastore)