E-MapReduce：Spark對接MaxCompute

操作步驟

1. 初始化一個OdpsOps對象。

   在Spark中，MaxCompute的資料操作通過OdpsOps類完成。

   import com.aliyun.odps.TableSchema
        import com.aliyun.odps.data.Record
        import org.apache.spark.aliyun.odps.OdpsOps
        import org.apache.spark.{SparkContext, SparkConf}
        object Sample {
          def main(args: Array[String]): Unit = {    
            // == Step-1 ==
            val accessKeyId = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_ID")
            val accessKeySecret = System.getenv("ALIBABA_CLOUD_ACCESS_KEY_SECRET")
            // 以內網地址為例。
            val urls = Seq("http://odps-ext.aliyun-inc.com/api", "http://dt-ext.odps.aliyun-inc.com") 
            val conf = new SparkConf().setAppName("Test Odps")
            val sc = new SparkContext(conf)
            val odpsOps = OdpsOps(sc, accessKeyId, accessKeySecret, urls(0), urls(1))
            // 下面是一些調用代碼。
            // == Step-2 ==
            ...
            // == Step-3 ==
            ...
          }
        ｝

   說明

   運行程式碼範例前必須先配置環境變數。關於如何配置環境變數，請參見配置環境變數。

2. 載入MaxCompute中的表資料至Spark。

   通過OdpsOps對象的readTable方法，您可以將MaxCompute中的表資料載入到Spark中。

   // == Step-2 ==
            val project = <odps-project>
            val table = <odps-table>
            val numPartitions = 2
            val inputData = odpsOps.readTable(project, table, read, numPartitions)
            inputData.top(10).foreach(println)
            // == Step-3 ==
            ...

   在上面的代碼中，您還需要定義一個read函數，用來解析和預先處理MaxCompute表資料，代碼如下所示。

   def read(record: Record, schema: TableSchema): String = {
              record.getString(0)
            }

3. 儲存Spark中的結果資料至MaxCompute表中。

   通過OdpsOps對象的saveToTable方法，您可以儲存Spark中的結果資料至MaxCompute表中。

   val resultData = inputData.map(e => s"$e has been processed.")
            odpsOps.saveToTable(project, table, dataRDD, write)

   在上面的代碼中，您還需要定義一個write函數，用來進行資料預先處理，代碼如下所示。

   def write(s: String, emptyRecord: Record, schema: TableSchema): Unit = {
              val r = emptyRecord
              r.set(0, s)
            }

4. 分區表參數寫法說明

   SDK支援對MaxCompute分區表的讀寫，分區名的寫法標準是分區列名=分區名，多個分區時以逗號（,）分隔。

   • 讀分區pt為1的表資料：pt=‘1’。

   • 讀分區pt為1和分區ps為2的表資料：pt=‘1’, ps=‘2’。

附錄

完整範例程式碼，請參見Spark對接MaxCompute。