Spark-SQL任务提交方式

Spark-SQL在一定程度上可以代替Hive，但一般依赖Hive的元数据，即Metastore。Spark-SQL的交互式模式可以运行bin/spark-sql进入，按照类似hive方式写SQL代码。

Spark 通过 Thrift RPC 向 Hive Metastore Service（HMS）发请求，HMS 再去访问 MySQL 里的元数据，这种方式可以让Hive、Spark、Presto、Impala 等多种引擎共享同一套元数据，此时需要启动Hive元数据服务HMS：

shell 复制代码

hive --service metastore

使用Hive元数据时，需要将hive的配置文件hive-site.xml放到$SPARK_HOME/conf目录下或者提交作业时用--files参数指定该配置文件。配置文件内容如下：

xml 复制代码

<property>
  <name>hive.metastore.uris</name>
  <value>thrift://metastore-host:9083</value>
</property>

Spark SQL脚本任务使用spark-sql提交任务时，和Spark传统任务类似，可使用本地、Standalone、Yarn和K8S资源调度平台。提交方式如下：

shell 复制代码

# 任务提交方式：交互模式
spark-sql # 进入 Spark SQL CLI，可以直接写 SQL 语句交互式运行，本地模式
spark-sql --master local[*] # 同上
spark-sql --master yarn --deploy-mode cluster # 提交的语句在YARN集群执行
spark-sql --master k8s://https://<k8s-apiserver>:6443 \
  --conf spark.kubernetes.container.image=my-spark-image:latest \
  --deploy-mode cluster # Driver和Executor都在K8S的Pod中，client时Driver在本地

# 任务提交：指定脚本文件
spark-sql -f my.sql --conf spark.executor.memory=4g --conf spark.executor.cores=2
spark-sql --master local[*] -f my.sql # 本地模式提交脚本任务
# Standalone模式，master参数为Spark Master的RPC地址，资源分配由Master控制
spark-sql --master spark://<master>:7077 --deploy-mode client -f my.sql
# Yarn模式，client为Driver在提交节点上运行，日志直接可见，cluster为Driver在Yarn Container中运行
spark-sql --master yarn --deploy-mode cluster \
  --executor-memory 4g \
  --executor-cores 2 \
  --num-executors 20 \
  -f my.sql