Hive表在Spark作業中不存在

Question

我在EMR中使用Hive Metastore。
我可以通過HiveSQL或SparkSQL手動查詢表。
但是當我在Spark Job中使用同一張表時，它說未找到表或視圖

File "/usr/lib/spark/python/lib/pyspark.zip/pyspark/sql/utils.py", line 69, in deco pyspark.sql.utils.AnalysisException: 
  u"Table or view not found: `logan_test`.`salary_csv`; line 1 pos 21;
'Aggregate [unresolvedalias(count(1), None)]
+- 'UnresolvedRelation `logan_test`.`salary_csv`

這是我的完整代碼

from pyspark import SparkContext, HiveContext
from pyspark import SQLContext
from pyspark.sql import SparkSession

sc = SparkContext(appName = "test")
sqlContext = SQLContext(sparkContext=sc)
sqlContext.sql("select count(*) from logan_test.salary_csv").show()
print("done..")

我提交了以下工作以使用配置單元目錄表。

spark-submit test.py --files /usr/lib/hive/conf/hive-site.xml

Answer 1

您導入了HiveContext但是初始化了不支持Hive查詢的標准SQLContext 。 它應該是：

sqlContext = HiveContext(sparkContext=sc)

Answer 2

似乎您使用的是Spark 2，因此在SQLContext SparkSession.sql()之后， enableHiveSupport() SQLContext和HiveContext替換為enableHiveSupport()

而不是.sql() ，您可以使用SparkSession.table()獲取整個表的DataFrame，然后在其后加上count() ，然后再執行所需的任何其他查詢。

from pyspark.sql import SparkSession

spark = SparkSession.builder.enableHiveSupport().appName("Hive Example").getOrCreate()
salary_csv = spark.table("logan_test.salary_csv")
print(salary_csv.count())