Spark 不显示 Hive 表中的数据答案

【问题标题】：Spark does not show data residing in a hive tableSpark 不显示 Hive 表中的数据
【发布时间】：2018-02-09 12:50:24
【问题描述】：

假设我使用 Spark 创建了下表：

df = spark.createDataFrame([(1, 4), (2, 5), (3, 6)], ["A", "B"])
df.write.mode("overwrite").saveAsTable("hivedb.mwe")

现在，如果我尝试计算此表中的数据：

> spark.sql("SELECT count(*) FROM hivedb.mwe").show()

+--------+
|count(1)|
+--------+
|       0|
+--------+

但是，如果我使用 Hive（或 Impala，结果相同）计算数据

jdbc:hive2:...> SELECT count(*) FROM hivedb.mwe

+------+--+
| _c0  |
+------+--+
| 3    |
+------+--+

spark 似乎看不到 mwe 中的数据，这可能是怎么回事？

作为插件，Spark 非常了解表格：

> spark.sql("DESCRIBE hivedb.mwe").show()

+--------+---------+-------+
|col_name|data_type|comment|
+--------+---------+-------+
|       A|   bigint|   null|
|       B|   bigint|   null|
+--------+---------+-------+

只是为了完整性：

Spark 版本：v2.2.0.cloudera1
hivedb 是使用非标准位置参数创建的 hive 数据库
集群是完全kerberized

HDFS 包含：

[myuser@cluster~]$ hdfs dfs -ls /path/to/hivedb/mwe
Found 3 items
-rw-r--r--   3 myuser somegroup          0 2018-02-09 13:29 /path/to/hivedb/mwe/_SUCCESS
-rw-r--r--   3 myuser somegroup          526 2018-02-09 13:29 /path/to/hivedb/mwe/part-00000-f1e79c0d-fca5-4a46-aa70-3651baa96a90-c000.snappy.parquet
-rw-r--r--   3 myuser somegroup          545 2018-02-09 13:29 /path/to/hivedb/mwe/part-00001-f1e79c0d-fca5-4a46-aa70-3651baa96a90-c000.snappy.parquet

【问题讨论】：

您的 sparksession 是否是使用 enableHivesupport 创建的。您在 spark 中保存的 dB 名称和在 hive 中的读数看起来不同
是的，hive 支持已启用。不同的表名是由于我在创建示例时引入的拼写错误造成的。我更正了这个问题。
我认为 Bug 是问题。

标签： apache-spark hive pyspark spark-dataframe

【解决方案1】：

它似乎是 cloudera 2.2 中的一个已知问题。

https://www.cloudera.com/documentation/spark2/latest/topics/spark2_known_issues.html#SPARK-21994

提供了最佳替代解决方案，您可以查看上述链接并执行解决方案并查看解决方案是否可行。

这些是解决方案

val options = Map("path" -> "/path/to/hdfs/directory/containing/table")
df.write.options(options).saveAsTable("db_name.table_name")

spark.sql("alter table db_name.table_name set SERDEPROPERTIES ('path'='hdfs://host.example.com:8020/warehouse/path/db_name.db/table_name')")
spark.catalog.refreshTable("db_name.table_name")

【讨论】：