商务网站规划与设计管理培训

1）Spark on Hive
Spark on Hive 是Hive只作为存储角色，Spark负责sql解析优化，执行。这里可以理解为Spark 通过Spark SQL 使用Hive 语句操作Hive表 ,底层运行的还是 Spark RDD。具体步骤如下：

通过SparkSQL，加载Hive的配置文件，获取到Hive的元数据信息；
获取到Hive的元数据信息之后可以拿到Hive表的数据；
通过SparkSQL来操作Hive表中的数据。

2）Hive on Spark
Hive on Spark是Hive既作为存储又负责sql的解析优化，Spark负责执行。这里Hive的执行引擎变成了Spark，不再是MR，这个要实现比Spark on Hive麻烦很多, 必须重新编译你的spark和导入jar包，不过目前大部分使用的确实是spark on hive。

Hive默认使用MapReduce作为执行引擎，即Hive on MapReduce。实际上，Hive还可以使用Tez和Spark作为其执行引擎，分别为Hive on Tez和Hive on Spark。由于MapReduce中间计算均需要写入磁盘，而Spark是放在内存中，所以总体来讲Spark比MapReduce快很多。因此，Hive on Spark也会比Hive on MapReduce快。由于Hive on MapReduce的缺陷，所以企业里基本上很少使用了。

Spark on Hive和Hive on Spark的区别主要体现在以下三个方面：

1. 数据源：Spark on Hive的数据源是Hive，它从Hive中获取数据，然后对数据进行SparkSQL操作。而Hive on Spark的数据源是Hive本身。
2. 执行引擎：Spark on Hive底层运行的还是Spark RDD。而Hive on Spark则是将Hive查询从MapReduce操作替换为Spark RDD操作。
3. 实现方式：Spark on Hive通过SparkSQL加载Hive的配置文件，获取Hive的元数据信息，然后就可以获取Hive的所有表的数据，并对其进行SparkSQL操作。而Hive on Spark则需要重新编译Spark和导入jar包才能实现。