spark日志+hivesql

windows本地读取hive，需要在resource里面将集群中的hive-site.xml下载下来。

<?xml version="1.0" encoding="UTF-8"?>

<!--Autogenerated by Cloudera Manager-->

<configuration>

  <property>

    <name>hive.metastore.local</name>

    <value>false</value>

  </property>

  <property>

    <name>hive.metastore.uris</name>

    <value>thrift://bn00:9083</value>

  </property>

  <property>

    <name>hive.metastore.client.socket.timeout</name>

    <value>300</value>

  </property>

  <property>

    <name>hive.metastore.warehouse.dir</name>

    <value>/user/hive/warehouse</value>

  </property>

  <property>

    <name>hive.warehouse.subdir.inherit.perms</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.auto.convert.join</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.auto.convert.join.noconditionaltask.size</name>

    <value>20971520</value>

  </property>

  <property>

    <name>hive.optimize.bucketmapjoin.sortedmerge</name>

    <value>false</value>

  </property>

  <property>

    <name>hive.smbjoin.cache.rows</name>

    <value>10000</value>

  </property>

  <property>

    <name>hive.server2.logging.operation.enabled</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.server2.logging.operation.log.location</name>

    <value>/var/log/hive/operation_logs</value>

  </property>

  <property>

    <name>mapred.reduce.tasks</name>

    <value>-1</value>

  </property>

  <property>

    <name>hive.exec.reducers.bytes.per.reducer</name>

    <value>67108864</value>

  </property>

  <property>

    <name>hive.exec.copyfile.maxsize</name>

    <value>33554432</value>

  </property>

  <property>

    <name>hive.exec.reducers.max</name>

    <value>1099</value>

  </property>

  <property>

    <name>hive.vectorized.groupby.checkinterval</name>

    <value>4096</value>

  </property>

  <property>

    <name>hive.vectorized.groupby.flush.percent</name>

    <value>0.1</value>

  </property>

  <property>

    <name>hive.compute.query.using.stats</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.vectorized.execution.enabled</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.vectorized.execution.reduce.enabled</name>

    <value>false</value>

  </property>

  <property>

    <name>hive.merge.mapfiles</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.merge.mapredfiles</name>

    <value>false</value>

  </property>

  <property>

    <name>hive.cbo.enable</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.fetch.task.conversion</name>

    <value>minimal</value>

  </property>

  <property>

    <name>hive.fetch.task.conversion.threshold</name>

    <value>268435456</value>

  </property>

  <property>

    <name>hive.limit.pushdown.memory.usage</name>

    <value>0.1</value>

  </property>

  <property>

    <name>hive.merge.sparkfiles</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.merge.smallfiles.avgsize</name>

    <value>16777216</value>

  </property>

  <property>

    <name>hive.merge.size.per.task</name>

    <value>268435456</value>

  </property>

  <property>

    <name>hive.optimize.reducededuplication</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.optimize.reducededuplication.min.reducer</name>

    <value>4</value>

  </property>

  <property>

    <name>hive.map.aggr</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.map.aggr.hash.percentmemory</name>

    <value>0.5</value>

  </property>

  <property>

    <name>hive.optimize.sort.dynamic.partition</name>

    <value>false</value>

  </property>

  <property>

    <name>hive.execution.engine</name>

    <value>mr</value>

  </property>

  <property>

    <name>spark.executor.memory</name>

    <value>1277794713</value>

  </property>

  <property>

    <name>spark.driver.memory</name>

    <value>966367641</value>

  </property>

  <property>

    <name>spark.executor.cores</name>

    <value>6</value>

  </property>

  <property>

    <name>spark.yarn.driver.memoryOverhead</name>

    <value>102</value>

  </property>

  <property>

    <name>spark.yarn.executor.memoryOverhead</name>

    <value>135</value>

  </property>

  <property>

    <name>spark.dynamicAllocation.enabled</name>

    <value>true</value>

  </property>

  <property>

    <name>spark.dynamicAllocation.initialExecutors</name>

    <value>1</value>

  </property>

  <property>

    <name>spark.dynamicAllocation.minExecutors</name>

    <value>1</value>

  </property>

  <property>

    <name>spark.dynamicAllocation.maxExecutors</name>

    <value>2147483647</value>

  </property>

  <property>

    <name>hive.metastore.execute.setugi</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.support.concurrency</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.zookeeper.quorum</name>

    <value>bn00,bn01,bn02</value>

  </property>

  <property>

    <name>hive.zookeeper.client.port</name>

    <value>2181</value>

  </property>

  <property>

    <name>hive.zookeeper.namespace</name>

    <value>hive_zookeeper_namespace_hive</value>

  </property>

  <property>

    <name>hbase.zookeeper.quorum</name>

    <value>bn00,bn01,bn02</value>

  </property>

  <property>

    <name>hbase.zookeeper.property.clientPort</name>

    <value>2181</value>

  </property>

  <property>

    <name>hive.cluster.delegation.token.store.class</name>

    <value>org.apache.hadoop.hive.thrift.MemoryTokenStore</value>

  </property>

  <property>

    <name>hive.server2.enable.doAs</name>

    <value>true</value>

  </property>

  <property>

    <name>hive.server2.use.SSL</name>

    <value>false</value>

  </property>

  <property>

    <name>spark.shuffle.service.enabled</name>

    <value>true</value>

  </property>

</configuration>

代码部分如下：

import java.util.ArrayList;

import java.util.List;

import org.apache.log4j.Level;

import org.apache.logging.log4j.LogManager;

import org.apache.logging.log4j.Logger;

import org.apache.spark.SparkConf;

import org.apache.spark.api.java.JavaRDD;

import org.apache.spark.api.java.function.FlatMapFunction;

import org.apache.spark.api.java.function.Function;

import org.apache.spark.api.java.function.Function2;

import org.apache.spark.api.java.function.PairFunction;

import org.apache.spark.api.java.function.VoidFunction;

import org.apache.spark.sql.DataFrame;

import org.apache.spark.sql.Row;

import org.apache.spark.sql.RowFactory;

import org.apache.spark.sql.SQLContext;

import org.apache.spark.sql.hive.HiveContext;

import org.apache.spark.sql.types.DataTypes;

import org.apache.spark.sql.types.StructField;

import org.apache.spark.sql.types.StructType;

import org.apache.spark.streaming.Durations;

import org.apache.spark.streaming.api.java.JavaDStream;

import org.apache.spark.streaming.api.java.JavaStreamingContext;

import scala.Tuple2;

import com.google.common.collect.Lists;

public class HiveAndSparkSQLApp {

	private static final Logger logger = LogManager.getLogger(App.class);

	static {

		// 设置日志级别清理

		org.apache.log4j.Logger.getLogger("org.apache.spark").setLevel(Level.WARN);

		org.apache.log4j.Logger.getLogger("org.eclipse.jetty.server").setLevel(Level.OFF);

	}

	@SuppressWarnings("serial")

	public static void main(String[] args) {

		// 调试环境,spark UI:http://localhost:4040/executors/

		SparkConf conf = new SparkConf().setMaster("local[4]").setAppName("test")

				.set("spark.testing.memory", "1147480000");

		// spark streaming context

		JavaStreamingContext jssc = new JavaStreamingContext(conf, Durations.seconds(5));

		// spark hive context

		final HiveContext hiveContext = new HiveContext(jssc.sparkContext());

		// spark SQL context

//		final SQLContext sqlContext = SQLContext.getOrCreate(jssc.sparkContext().sc());

		/**

		 *  远程的socket监听

		 *  在节点上，执行nc -lk 9998

		 *  若节点上没有安装nc工具，执行yum install nc.x86_64

		 *  之后直接发送消息即可

		 */

		JavaDStream<String> lines = jssc.socketTextStream("node0", 9998);

		lines.foreachRDD(new VoidFunction<JavaRDD<String>>() {

			@Override

			public void call(JavaRDD<String> rdd) throws Exception {

				// SQLContext sqlContext = SQLContext.getOrCreate(rdd.context());

				JavaRDD<Row> rowRDD = rdd.map(new Function<String, Row>() {

					@Override

					public Row call(String t) throws Exception {

						String[] splited = new String[] { System.currentTimeMillis() + "",

								System.currentTimeMillis() + "", System.currentTimeMillis() + "" };

						// 1.Row构建

						return RowFactory.create(Long.valueOf(splited[0]), splited[1], Long.valueOf(splited[2]));

					}

				});

				// 2.DF metadata专用结构体

				// 对Row具体指定元数据信息。

				List<StructField> structFields = new ArrayList<StructField>();

				// 列名称 列的具体类型（Integer Or String） 是否为空一般为true，实际在开发环境是通过for循环，而不是手动添加

				structFields.add(DataTypes.createStructField("id", DataTypes.LongType, true));

				structFields.add(DataTypes.createStructField("name", DataTypes.StringType, true));

				structFields.add(DataTypes.createStructField("age", DataTypes.LongType, true));

				// 构建StructType,用于最后DataFrame元数据的描述

				StructType structType = DataTypes.createStructType(structFields);

				// 3.构建DF

				DataFrame personsDF = hiveContext.createDataFrame(rowRDD, structType);

				// 4.注册为临时表

				personsDF.registerTempTable("test");

				DataFrame result = hiveContext.sql("select * from test");

				/**

				* 对结果进行处理，包括由DataFrame转换成为RDD<Row>,以及结果的持久化

				*/

				List<Row> listRow = result.javaRDD().collect();

				for (Row row : listRow) {

					logger.error("row:" + row);

				}

				hiveContext.sql("insert into recommendation_system.t111  select id from test");

			}

		});

		// 测试流，需要存在感~

		lines.flatMap(new FlatMapFunction<String, String>() {

			public Iterable<String> call(String msg) {

				System.err.println(msg);

				logger.error(msg);

				return Lists.newArrayList(" ".split(msg));

			}

		}).mapToPair(new PairFunction<String, String, Integer>() {

			@Override

			public Tuple2<String, Integer> call(String t) throws Exception {

				return new Tuple2<String, Integer>(t, 1);

			}

		}).reduceByKey(new Function2<Integer, Integer, Integer>() {

			@Override

			public Integer call(Integer v1, Integer v2) throws Exception {

				return v1 + v2;

			}

		}).print();

		jssc.start();

		jssc.awaitTermination();

	}

}

spark日志+hivesql的更多相关文章

Spark日志级别修改
摘要在学习使用Spark的过程中,总是想对内部运行过程作深入的了解,其中DEBUG和TRACE级别的日志可以为我们提供详细和有用的信息,那么如何进行合理设置呢,不复杂但也绝不是将一个INFO换为TR ...
Spark日志，及设置日志输出级别
Spark日志,及设置日志输出级别 1.全局应用设置 2.局部应用设置日志输出级别 3.Spark log4j.properties配置详解与实例(摘录于铭霏的记事本) 文章内容来源: 作者:大葱拌豆 ...
开启spark日志聚集功能
spark监控应用方式: 1)在运行过程中可以通过web Ui:4040端口进行监控 2)任务运行完成想要监控spark,需要启动日志聚集功能开启日志聚集功能方法: 编辑conf/spark-env ...
Spark日志清洗
日志数据清洗,主要采用spark 的定时任务,清洗出有效数据,并保存到hive数据仓库中存储.常用流程如下: 参考:https://gaojianhua.gitbooks.io/bigdata-wik ...
(转）spark日志配置
一.第一部分 1.spark2.1与hadoop2.7.3集成,spark on yarn模式下,需要对hadoop的配置文件yarn-site.xml增加内容,如下: <property> ...
spark日志配置及问题排查方式。
此文已由作者岳猛授权网易云社区发布. 欢迎访问网易云社区,了解更多网易技术产品运营经验. 任何时候日志都是定位问题的关键,spark也不会例外,合适的配置和获取spark的driver,am,及exe ...
设置Spark日志级别
编辑Spark中conf中配置文件log4j.properties 设置日志级别为WARN,即:log4j.rootCategory=WARN, console
Apache Spark技术实战之9 -- 日志级别修改
摘要在学习使用Spark的过程中,总是想对内部运行过程作深入的了解,其中DEBUG和TRACE级别的日志可以为我们提供详细和有用的信息,那么如何进行合理设置呢,不复杂但也绝不是将一个INFO换为TR ...
Spark2.3（四十）：如何使用java通过yarn api调度spark app，并根据appId监控任务，关闭任务，获取任务日志
背景: 调研过OOZIE和AZKABA,这种都是只是使用spark-submit.sh来提交任务,任务提交上去之后获取不到ApplicationId,更无法跟踪spark application的任务 ...

随机推荐

selenium实现chrome分屏截图的合并
selenium的截图功能在chrome下无法实现,但是可以操作滚动条来一屏一屏的截图,然后再合并成一张图,合并图片的代码在网上找的,十分感谢那位朋友,具体解决方案如下:直接上代码: def capt ...
AcWing：108. 奇数码问题（归并排序 + 逆序数）
你一定玩过八数码游戏,它实际上是在一个3×3的网格中进行的,1个空格和1~8这8个数字恰好不重不漏地分布在这3×3的网格中. 例如: 5 2 8 1 3 _ 4 6 7 在游戏过程中,可以把空格与其上 ...
工具类--BeanUtils----Bean转换工具
package com.zhouyy.netBank.util; import java.beans.PropertyDescriptor; import java.lang.reflect.Fiel ...
php正则表达式的学习
真的发现什么都需要这个所以还是来把它学了吧正则表达式的基本知识汇总行定位符(^与$) 行定位符是用来描述字符串的边界.“$”表示行结尾“^”表示行开始如"^de",表示以de ...
python学习之路（17）
sorted 排序算法排序也是在程序中经常用到的算法.无论使用冒泡排序还是快速排序,排序的核心是比较两个元素的大小.如果是数字,我们可以直接比较,但如果是字符串或者两个dict呢?直接比较数学上的大 ...
C++入门经典-例6.11-使用指针变量遍历二维数组
1:代码如下: // 6.11.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include <iostream> #inc ...
C++入门经典-例5.20-右值引用传递参数
1:使用字面值(如1.3.15f.true),或者表达式等临时变量作为函数实参传递时,按左值引用传递参数会被编译器阻止.而进行值传递时,将产生一个和参数同等大小的副本.C++11提供了右值引用传递参数 ...
redis在分布式中的使用
作者:孤独烟来自:http://rjzheng.cnblogs.com/ 为什么要用redis:为了并发和性能,使用redis做为缓冲使用redis有什么缺点主要是四个问题 (一)缓存和数据库双 ...
windows环境安装nexus
1.下载安装nexus安装包,我用的是nexus-2.14.13-01版本 2. 以管理员身份打开cmd命令窗口 3.进入到nexus bin目录下输入命令 nexus install 4. 启动 ...
SpringMVC学习记录(六)--Validator验证
一.基于Validator接口的验证. 首先创建User实例,并加入几个属性 public class User { private String username; private String p ...

spark日志+hivesql

spark日志+hivesql的更多相关文章

随机推荐

热门专题