一、SparkonHive和HiveonSpark的区别
1）SparkonHiveSparkonHive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SparkSQL使用Hive语句操作Hive表,底层运行的还是SparkRDD。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。
具体实现在我之前的博文中已经讲过，在这里就不再重复了，实现很简单，可以参考：大数据Hadoop之——SparkSQL+SparkStreaming
Spark使用Hive来提供表的metadata信息。
2）HiveonSpark（本章实现）HiveonSpark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SparkonHive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sparkonhive。
Hive默认使用MapReduce作为执行引擎，即HiveonMapReduce。实际上，Hive还可以使用Tez和Spark作为其执行引擎，分别为HiveonTez和HiveonSpark。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，HiveonSpark也会比HiveonMapReduce快。由于HiveonMapReduce的缺陷，所以企业里基本上很少使用了。
hiveonspark大体与sparkonhive结构类似，只是SQL引擎不同，但是计算引擎都是spark！
参考文档：