apache-spark - Hive 元存储中的上次访问时间更新

Question

我在我的 Hive 控制台/.hiverc 中使用以下属性文件，这样每当我查询表时，它都会更新 LAST_ACCESS_TIME TBLS 中的列Hive 元存储表。

set hive.exec.pre.hooks = org.apache.hadoop.hive.ql.hooks.UpdateInputAccessTimeHook$PreExec;

但是，如果我使用 spark-sql或 spark-shell ，它似乎不起作用， LAST_ACCESS_TIME不会在配置单元元存储中更新。
这是我阅读表格的方式:

>>> df = spark.sql("select * from db.sometable")
>>> df.show()

我已经在 hive-site.xml 中设置了上面的钩子(Hook)在这两个 /etc/hive/conf和 /etc/spark/conf .

Answer 1

您的代码可能会跳过一些配置单元集成。我的记忆是，要获得更多的 Hive-ish 集成，您需要引入 HiveContext，如下所示:

from pyspark import SparkContext, SparkConf, HiveContext

if __name__ == "__main__":

  # create Spark context with Spark configuration
  conf = SparkConf().setAppName("Data Frame Join")
  sc = SparkContext(conf=conf)
  sqlContext = HiveContext(sc)
  df_07 = sqlContext.sql("SELECT * from sample_07")

https://docs.cloudera.com/runtime/7.2.7/developing-spark-applications/topics/spark-sql-example.html
希望这可以帮助