要将本地Spark连接到远程Hive和Hadoop，你需要按照以下步骤进行设置和配置。

1. 配置Hadoop和Hive 确保在远程机器上正确安装和配置了Hadoop和Hive。确保Hadoop的HDFS和YARN服务正在运行，并且Hive的Metastore服务也正在运行。

2. 下载Spark，并设置环境变量 在本地机器上下载并安装Spark，然后设置SPARK_HOME和HADOOP_CONF_DIR环境变量，指向Spark和Hadoop的安装目录。

3. 创建SparkSession 在Spark代码中创建一个SparkSession对象，用于连接到远程Hive和Hadoop。示例代码如下：

import org.apache.spark.sql.SparkSession

val spark = SparkSession
  .builder()
  .appName("Spark Hive Example")
  .config("spark.sql.warehouse.dir", "/user/hive/warehouse")  // 远程Hive仓库目录
  .config("hive.metastore.uris", "thrift://remote-hive-metastore:9083")  // 远程Hive Metastore的地址
  .enableHiveSupport()
  .getOrCreate()

请注意，根据你的实际情况，你可能需要调整上述代码中的参数值。确保将thrift://remote-hive-metastore:9083替换为远程Hive Metastore的实际地址。

4. 运行Spark代码 在Spark代码中，你可以使用SparkSession对象来执行与远程Hive和Hadoop的交互操作，例如查询Hive表。以下是一个示例代码：

import spark.implicits._

// 查询Hive表数据
val data = spark.sql("SELECT * FROM my_hive_table")

// 显示查询结果
data.show()

确保根据你的实际需求修改上述代码，以符合你要查询的实际Hive表。

5. 提交Spark应用程序 将Spark代码保存到一个文件中（例如spark_app.scala），然后使用spark-submit命令将应用程序提交到远程集群上运行。示例命令如下：

spark-submit --class com.example.SparkApp --master yarn --deploy-mode client spark_app.scala

请确保将com.example.SparkApp替换为你实际的Spark应用程序的类名，将spark_app.scala替换为你的Spark代码文件的实际路径。

这样，你的本地Spark应用程序就可以连接到远程Hive和Hadoop，并执行相应的操作了。