我有一个火花集群设置，并尝试在我的数据集上的本地scala和火花sql，并且安装似乎大部分工作。我有以下问题Spark新手（ODBC/SparkSQL）
从ODBC/extenal连接到集群，我应该期待什么？ - 管理员/开发人员对数据进行整形并保留/缓存将暴露的几个RDD？ （关于蜂巢表的思路） - 在spark/spark sql中连接到“Hive metastore”会有什么相似之处？
是否正在考虑蜂巢的故障？
我的另一个问题是 - 当我发出蜂巢查询，（说创建表和这样的），它使用相同的蜂巢metastore作为Hadoop的/蜂房 - 在哪里，当我发出使用sqlcontext SQL查询表获得创建？ - 如果我坚持这个表，这与持续RDD的概念是一样的吗？
欣赏你的答案
Nithya
（这是写在心中的火花1.1，要知道，新的功能往往被迅速补充，下文提到的一些限制可能会在某些时候很好消失未来）。
您可以使用带有Hive语法的Spark SQL并连接到Hive Metastore，这将导致您的Spark SQL配置单元命令在相同的数据空间上执行，就像它们直接通过Hive执行一样。
要做到这一点，您只需要像解释here那样实例化HiveContext，并提供一个hive-site.xml配置文件，该文件指定了何处可以找到Hive Metastore的位置。
SELECT语句的结果是SchemaRDD，它是具有关联模式的Row对象的RDD。您可以像使用任何RDD一样使用它，包括缓存和持久性，效果也是一样的（数据来自配置单元的事实在此没有影响）。
如果您的配置单元命令正在创建数据，例如“CREATE TABLE ...”，相应的表的创建方式与默认情况下常规Hive完全相同，即/ var/lib/hive/warehouse。
通过Spark执行Hive SQL为您提供了Spark的所有缓存优势：在同一个Spark上下文中对同一数据集执行第二个SQL查询通常比第一个查询快得多。
自Spark 1.1以来，有可能使用start the Thrift JDBC server，它本质上等同于HiveServer2，因此允许您通过JDBC连接执行SparkQL命令。
请注意，并非所有Hive功能都可用（尚未？），请参阅详细信息here。
最后，您还可以放弃Hive语法和Metastore，并直接在CSV和Parquet文件上执行SQL查询。我最好的猜测是，这将成为未来的首选方法，但目前像这样的SQL功能集比使用Hive语法时要小。