如何使用pyspark连接到hive？

我正在尝试在配置单元中创建一个表。但它正在spark warehouse文件夹中创建一个类似testdb.db的文件夹。当我们存储到MySQL/MongoDB数据库时，如何直接存储在HIVE中

conf = SparkConf().setAppName("data_import")
sc = SparkContext(conf = conf)

sqlContext = HiveContext(sc)

sqlContext.setConf("spark.sql.shuffle.partitions", "2")
sqlContext.sql("CREATE DATABASE testdb")
sqlContext.sql("use testdb")
sqlContext.sql("create table daily_revenue(order_date string, daily_revenue float)")

---

当您在配置单元中创建一个表时，幕后发生的事情是，它将元数据存储在一些关系数据库中，具体取决于为您的环境配置的关系数据库，并且实际数据将存储在HDFS仓库目录（如果该目录是托管表）

同样，当您尝试从配置单元中的Spark创建表时，它将首先创建文件夹.db，然后在此文件夹中创建另一个具有表名的文件夹，该文件夹将数据存储在HDFS上

因此，在您的情况下，应该有

/testdb.db/table

文件夹。及 如果将任何数据加载到此表中，这些数据将显示在表文件夹中

希望能有帮助

问候,

---

Neeraj

不要使用testdb，试着将您的

create

作为

testdb的前缀。每日收入

是。我可以看到这个/testdb.db/table。但我在HDFS中看不到这一点。是否需要更改任何配置文件？您已回答了hive CLI的问题。我问过如何使用pyspark连接到hive warehouse。您何时将

sqlContext

更改为hive CLI？你试过Pyspark shell的答案吗？

sqlContext.sql("create database if not exists demo")

>>> sqlContext.sql("show tables in demo").show()
+---------+-----------+
|tableName|isTemporary|
+---------+-----------+
+---------+-----------+

sqlContext.sql("create table demo.dummy (id int, name string)")

>>> sqlContext.sql("show tables in demo").show()
+---------+-----------+
|tableName|isTemporary|
+---------+-----------+
|    dummy|      false|
+---------+-----------+

>>> sqlContext.sql("desc demo.dummy").show()
+--------+---------+-------+
|col_name|data_type|comment|
+--------+---------+-------+
|      id|      int|   null|
|    name|   string|   null|
+--------+---------+-------+