http://blog.csdn.net/wtq1993/article/details/52435563

http://blog.csdn.net/yeruby/article/details/51448188

hive on spark VS SparkSQL VS hive on tez

前一篇已經弄好了SparkSQL，SparkSQL也有thriftserver服務，這裏說說為啥還選擇搞hive-on-spark：

• SparkSQL-Thriftserver所有結果全部內存，快是快，但是不能滿足查詢大量數據的需求。如果查詢幾千萬的數據，SparkSQL是搞不定的。而hive-on-spark除了計算用spark其他邏輯都是hive的，返回的結果會先寫hdfs，再慢慢返回給客戶端。
• SparkSQL-Thriftserver代碼的是全部用scala重寫的，和已有hive業務不一定兼容！！
• SparkSQL-Thriftserver有一個最大的優勢就是整個server相當於hive-on-spark的一個session，網頁監控漂亮清晰。而hive-on-spark不同的session那就相當於不同的application！！（2016-4-13 20:57:23）用了動態分配，沒感覺SparkSQLThriftserver快很多。
• SparkSQL由於基於內存，再一些調度方面做了優化。如[limit]: hive是死算，sparksql遞增數據量的一次次的試。sparksql可以這麽做的，畢竟算好的數據在內存裏面放著。

hive和sparksql的理念不同，hive的存儲是HDFS，而sparksql只是把HDFS作為持久化工具，它的數據基本都放內存。

查看hive的日誌，可以看到返回結果後有寫HDFS的動作體現，會有類似日誌：

2016-03-28 19:39:25,687 INFO  exec.FileSinkOperator (Utilities.java:mvFileToFinalPath(1882))
 - Moving tmp dir: hdfs://zfcluster/hive/scratchdir/hadoop/de2b263e-9601-4df7-bc38-ba932ae83f42/hive_2016-03-28_19-38-08_834_7914607982986605890-1/-mr-10000/.hive-staging_hive_2016-03-28_19-38-08_834_7914607982986605890-1/_tmp.-ext-10001 
 

 to: hdfs://zfcluster/hive/scratchdir/hadoop/de2b263e-9601-4df7-bc38-ba932ae83f42/hive_2016-03-28_19-38-08_834_7914607982986605890-1/-mr-10000/.hive-staging_hive_2016-03-28_19-38-08_834_7914607982986605890-1/-ext-10001

• tez的優勢spark都有，並且tez其實緩沖優勢並不大。而spark的緩沖效果更明顯，而且可以快速返回。例如：你查3萬條數據，tez是要全部查詢然後再返回的，而sparksql取到3萬條其他就不算了（效果看起來是這樣子，具體沒看源碼實現；md hive-on-spark還是會全部跑）。
• tez任務緩沖不能共享，spark更加細化，可以有process級別緩沖（就是用上次計算過的結果，加載過的緩沖）！例如，你查數據記錄同時又要返回count，這時有些操作是prcess_local級別的，這個tez是不能比的！
• spark的日誌UI看起來更便捷，呵呵

單就從用的角度，spark全面取勝啊。

hive on spark VS SparkSQL VS hive on tez