r语言 - 使用 sparklyr 包访问 hive

Question

library(sparklyr)
library(dplyr)
home <- "/usr/hdp/current/spark-client"
sc <- spark_connect(master = "yarn-client", spark_home = home, version = "1.6.2")
readFromSpark <- spark_read_csv(sc, name="test", path ="hdfs://hostname/user/test.csv",header=TRUE)

我已经使用 sparklyr 成功访问hdfs。但是如何使用sparklyr访问 hive 表/命令，因为我需要将此df存储到 hive 中。

Answer 1

AFAIK，sparklyr 没有直接创建数据库/表的功能。但是您可以使用DBI来创建数据库/表。

library(DBI)
iris_preview <- dbExecute(sc, "CREATE EXTERNAL TABLE...")

Answer 2

你可以试试spark_write_table：

    spark_write_table(readFromSpark, 
    '<database_name>.readFromSpark', mode = 'overwrite')

如果还要创建架构，则可以使用 DBI 包：

    dbSendQuery(sc,"CREATE SCHEMA IF NOT EXISTS xyz")
    tbl_change_db(sc,"xyz")

Answer 3

这就是我实现这一点的方式：

设置：

cc <- RxSpark(nameNode = hdfs_host(myADL))
rxSetComputeContext(cc)
myXDFname <- 'something'
hivTbl <- RxHiveData(table = myXDFname)
sc <- spark_connect('yarn-client')
tbl_cache(sc, myXDFname)
mytbl <- tbl(sc, myXDFname)

现在用它做点什么

mytbl %>% head
mytbl %>% 
   filter(rlike(<txt col>, pattern)) %>%
   group_by(something) %>%
   tally() %>%
   collect() %>% #this is important
   ggplot(., aes(...)) %>%
   geom_triforce(...)