![](/img/trans.png)
[英]What is the difference between forEachAsync vs forEachPartitionAsync in Apache Spark?
[英]What is the difference between Apache Spark SQLContext vs HiveContext?
Apache Spark SQLContext和HiveContext有什么区别?
一些消息来源称,由于HiveContext是SQLContext的超集,因此开发人员应始终使用HiveContext,它具有比SQLContext更多的功能。 但是每个上下文的当前API大多是相同的。
Spark 2.0+
Spark 2.0提供本机窗口函数( SPARK-8641 ),并在解析和更好的SQL 2003合规性方面提供了一些额外的改进,因此它显着减少了Hive对实现核心功能的依赖,因为HiveContext
(带有Hive支持的SparkSession
)似乎是稍微不那么重要。
Spark <2.0
显然,如果你想使用Hive,你必须使用HiveContext
。 除此之外,目前最大的差异(Spark 1.5)是对窗口功能和访问Hive UDF的能力的支持。
一般来说,窗口函数是一个非常酷的功能,可以用来以简洁的方式解决相当复杂的问题,而无需在RDD和DataFrame之间来回切换。 性能仍远未达到最佳状态,尤其是没有PARTITION BY
子句,但它实际上并不是Spark特有的。
关于Hive UDF,它现在不是一个严重的问题,但在Spark 1.5之前,许多SQL函数已经使用Hive UDF表达并且需要HiveContext
才能工作。
HiveContext
还提供了更强大的SQL解析器。 使用select statetment选择数据框中的嵌套列时,请参阅示例: py4j.protocol.Py4JJavaError
最后需要HiveContext
来启动Thrift服务器。
HiveContext
的最大问题是它带有大的依赖性。
在针对Spark SQL编程时,我们有两个入口点,具体取决于我们是否需要Hive支持。 建议的入口点是HiveContext,用于提供对HiveQL和其他Hive相关功能的访问。 更基本的SQLContext提供了不依赖于Hive的Spark SQL支持的子集。
- 对于可能与包含所有Hive依赖项存在冲突的用户存在分离。
- 在SQLContext中找不到的HiveContext的附加功能包括使用更完整的HiveQL解析器编写查询,访问Hive UDF以及从Hive表读取数据的功能。
- 使用HiveContext不需要现有的Hive设置。
HiveContext仍然是sqlcontext的超集,它包含一些额外的属性,例如它可以从hive-site.xml读取配置,万一你有hive使用,否则只需使用sqlcontext
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.