Integrazione di Apache Hive con Spark
share
English. This document describes the solutions adopted, which arose from the need to transfer a large amount of information between the most famous distributed SQL and NoSQL storage systems to perform analysis and/or modification operations exploiting the peculiarities of the same. The goal was achieved using the Spark engine and studying and using the open source library "Hive Warehouse Connector" made by Hortonworks. It provides new interoperability features between Hive and Spark. The choice fell on these APIs in order to take advantage from Spark's distributed computing through Spark-Sql libraries, to allow a quick reading and writing on the databases chosen by the Network Contacts Systems Engineering Team and to make the stored information available for consultation outside the Ambari cluster. Italiano. Il presente documento descrive le soluzioni adottate, nate dalla necessità di trasferire un elevato numero di informazioni tra i più famosi sistemi distribuiti di archiviazione SQL e NoSQL per effettuare operazioni di analisi e/o modifica sfruttando le peculiarità degli stessi. L'obiettivo è stato raggiunto utilizzando l'engine Spark e studiando e utilizzando la libreria open source "Hive Warehouse Connector" messa a disposizione da Hortonworks che fornisce nuove funzionalità di interoperabilità tra Hive e Spark. La scelta è ricaduta su queste API per poter avvalersi del calcolo distribuito di Spark mediante le librerie di Spark-Sql, per consentire una rapida lettura e scrittura sui database scelti dal team di Ingegneria dei Sistemi di Network Contacts al fine di rendere consultabili le informazioni archiviate all'esterno del cluster Ambari.
READ FULL TEXT