我尝试通过创建 HiveContext 通过 Spark 2.2.1 查询 Hive 表。事实证明,Spark(无论我是通过 spark-submit 提交作业还是在 pyspark shell 中运行它——效果相同)都可以工作,但只能看到 Hive 中的默认数据库,而看不到任何其他数据库。似乎这个问题已经知道一段时间了,所有建议都是关于调整诸如 --deploy-mode 和 --master 之类的 Spark 参数并将 hive-site.xml 文件显式传递给 Spark。
在阅读了我能找到的关于这个问题的所有内容后,我将 spark-submit 命令更改为以下内容:
/bin/spark-submit --driver-class-path /opt/sqljdbc_6.0/sqljdbc_6.0/enu/jre8/sqljdbc42.jar --deploy-mode cluster --files /usr/hdp/current/spark2-client/conf/hive-site.xml --master yarn /home/konstantin/myscript.py
(--driver-class-path 参数用于在脚本中查询 MSSQL 库,这与问题无关)。
运行此命令后,出现以下错误:
18/02/22 19:23:44 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
18/02/22 19:23:45 WARN shortcircuit.DomainSocketFactory: The short-circuit local reads feature cannot be used because libhadoop cannot be loaded.
Exception in thread "main" java.lang.NoClassDefFoundError: com/sun/jersey/api/client/config/ClientConfig
at org.apache.hadoop.yarn.client.api.TimelineClient.createTimelineClient(TimelineClient.java:55)
at org.apache.hadoop.yarn.client.api.impl.YarnClientImpl.createTimelineClient(YarnClientImpl.java:181)
at org.apache.hadoop.yarn.client.api.impl.YarnClientImpl.serviceInit(YarnClientImpl.java:168)
at org.apache.hadoop.service.AbstractService.init(AbstractService.java:163)
at org.apache.spark.deploy.yarn.Client.submitApplication(Client.scala:152)
at org.apache.spark.deploy.yarn.Client.run(Client.scala:1109)
at org.apache.spark.deploy.yarn.Client$.main(Client.scala:1168)
at org.apache.spark.deploy.yarn.Client.main(Client.scala)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at org.apache.spark.deploy.SparkSubmit$.org$apache$spark$deploy$SparkSubmit$$runMain(SparkSubmit.scala:775)
at org.apache.spark.deploy.SparkSubmit$.doRunMain$1(SparkSubmit.scala:180)
at org.apache.spark.deploy.SparkSubmit$.submit(SparkSubmit.scala:205)
at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:119)
at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)
Caused by: java.lang.ClassNotFoundException: com.sun.jersey.api.client.config.ClientConfig
at java.net.URLClassLoader.findClass(URLClassLoader.java:381)
at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:335)
at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
... 17 more
Process finished with exit code 0
根据提示我找到了here ,我下载了 jersey-bundle-1.17.1.jar,将其放在本地系统上,然后使用 --jars 键将其传递给 spark-submit:
/bin/spark-submit --driver-class-path /opt/sqljdbc_6.0/sqljdbc_6.0/enu/jre8/sqljdbc42.jar --jars /home/konstantin/jersey-bundle-1.17.1.jar --deploy-mode cluster --files /usr/hdp/current/spark2-client/conf/hive-site.xml --master yarn /home/konstantin/myscript.py
这没有效果,我仍然得到与上面相同的 NoClassDefFoundError。因此,我无法评估针对初始问题的旧解决方案(Spark 无法看到 Hive 数据库),因为我遇到了错误。
将不胜感激任何建议。
最佳答案
请检查 yarn 日志中 spark.hive.warehouse 的属性设置。 如果它是 nil 那么你的 hive-site.xml 没有得到正确的分发。
问题的发生主要是由于 hive-site.xml。请在 spark ui 环境选项卡中检查文件是否正确分发
关于hadoop - Spark 看不到默认以外的 Hive 数据库,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48932874/