Spark可以使用Spark Streaming來讀取Kafka中的數據，并將數據寫入到Hive中。

以下是使用Spark Streaming讀取Kafka并將數據寫入Hive的方法：

1. 導入必要的庫和依賴項：

import org.apache.spark.streaming._
import org.apache.spark.streaming.kafka._

2. 創建Spark Streaming上下文和Kafka參數：

val sparkConf = new SparkConf().setMaster("local[2]").setAppName("KafkaToHive")
val ssc = new StreamingContext(sparkConf, Seconds(5))

val kafkaParams = Map("metadata.broker.list" -> "localhost:9092",
                      "zookeeper.connect" -> "localhost:2181",
                      "group.id" -> "spark-streaming")

3. 創建DStream來讀取Kafka中的數據：

val topics = Set("topic1")
val kafkaStream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics)

4. 處理Kafka中的數據并將其寫入Hive：

kafkaStream.foreachRDD { rdd =>
  if (!rdd.isEmpty()) {
    val hiveContext = new HiveContext(rdd.sparkContext)
    import hiveContext.implicits._
    
    val dataFrame = rdd.map(_._2).toDF("value")
    
    dataFrame.write.mode(SaveMode.Append).saveAsTable("hive_table")
  }
}

在上面的代碼中，我們首先創建了一個HiveContext來連接到Hive。然后，我們將RDD中的數據轉換為DataFrame，并使用DataFrame的write方法將數據保存到Hive表中。

5. 啟動Spark Streaming并等待它完成：

ssc.start()
ssc.awaitTermination()

這將啟動Spark Streaming并等待它從Kafka讀取數據并將其寫入Hive。

請注意，您需要確保在Spark應用程序中正確配置Hive和Kafka的連接參數，并在Spark啟動命令中添加相關的庫和依賴項。

這是一個基本的示例，您可以根據自己的需求進行修改和擴展。