云原生数据仓库AnalyticDB：Jupyter交互式作业开发

前提条件

• 已创建AnalyticDB for MySQL湖仓版（3.0）集群。具体操作，请参见创建湖仓版集群。

• 已在湖仓版（3.0）集群中创建Job型资源组。具体操作，请参见新建资源组。

• 已创建湖仓版（3.0）集群的数据库账号。

  • 如果是通过阿里云账号访问，只需创建高权限账号。具体操作，请参见创建高权限账号。

  • 如果是通过RAM用户访问，需要创建高权限账号和普通账号并且将RAM用户绑定到普通账号上。具体操作，请参见创建数据库账号和绑定或解绑RAM用户与数据库账号。

• 已授权AnalyticDB for MySQL扮演AliyunADBSparkProcessingDataRole角色来访问其他云资源。具体操作，请参见账号授权。

注意事项

• AnalyticDB for MySQL Spark当前仅支持Python3.7、Scala 2.12版本的Jupyter交互作业。

• 交互式作业会在空闲一段时间后自动释放，默认释放时间为1200秒（即最后一个代码块执行完毕，1200秒后自动释放）。您可通过spark.adb.sessionTTLSeconds参数配置交互式作业的自动释放时间。

启动Jupyter交互式开发环境

1. 安装并启动Docker镜像。具体操作，请参见Docker官方文档。

2. 启动Docker镜像后，拉取AnalyticDB for MySQL Jupyter镜像。命令如下：

   docker pull registry.cn-hangzhou.aliyuncs.com/adb-public-image/adb-spark-public-image:livy.0.5.pre

3. 启动Jupyter交互式开发环境。

   命令格式如下：

   docker run -it  -p {宿主机端口}:8888 -v {宿主机文件路径}:{Docker容器文件路径} registry.cn-hangzhou.aliyuncs.com/adb-public-image/adb-spark-public-image:livy.0.5.pre -d {ADB Instance Id} -r {Resource Group Name} -e {api endpoint} -i {AkId} -k {aksec}

   参数说明：

   参数名称	是否必填	参数说明
   -p	否	将宿主机端口绑定为容器端口。格式为-p 宿主机端口:容器端口。 宿主机端口可任意填写，容器端口固定填写为8888。本文示例为-p 8888:8888。
   -v	否	在不挂载宿主机文件夹的情况下，关闭Docker容器后编辑的文件会丢失。Docker容器关闭时也会自动尝试终止所有正在运行的Spark交互式作业。您可以选择如下两种方案避免编辑文件丢失： 在启动Jupyter交互式开发环境时，将宿主机文件挂载到Docker容器中，并将作业文件存储在对应的文件路径下。格式为-v 宿主机路径:Docker容器文件路径。Docker容器文件路径可任意填写，建议填写为/root/jupyter。 在关闭Docker容器前保证所有的文件被妥善地复制保管。 本文示例为-v /home/admin/notebook:/root/jupyter，表示将宿主机 /home/admin/notebook路径下的文件挂载到Docker容器的/root/jupyter路径。 说明 需要注意将编辑中的notebook文件最终另存到/tmp文件夹，关闭Docker容器后，在宿主机的/home/admin/notebook文件夹下可以看到对应的文件，再次启动Docker容器时可继续执行。更多信息，请参见Docker卷管理文档。
   -d	是	AnalyticDB for MySQL湖仓版（3.0）集群ID。 您可以登录AnalyticDB MySQL控制台，在集群列表查看集群的ID。
   -r	是	AnalyticDB for MySQL Job型资源组名称。 您可以登录AnalyticDB MySQL控制台，在集群管理 > 资源管理页面，单击资源组管理页签，查看所有的资源组信息。
   -e	是	AnalyticDB for MySQL集群的服务接入点信息。 详细信息请参见服务接入点。
   -i	是	阿里云账号或RAM用户的AccessKey ID。 如何查看AccessKey ID，请参见账号与权限。
   -k	是	阿里云账号或RAM用户的AccessKey Secret。 如何查看AccessKey Secret，请参见账号与权限。

   示例：

   docker run -it  -p 8888:8888 -v /home/admin/notebook:/root/jupyter registry.cn-hangzhou.aliyuncs.com/adb-public-image/adb-spark-public-image:livy.0.5.pre -d amv-bp164l3xt9y3**** -r test -e adb.aliyuncs.com -i LTAI55stlJn5GhpBDtN8**** -k DlClrgjoV5LmwBYBJHEZQOnRF7****

   启动成功后，返回如下提示信息，您将URLhttp://127.0.0.1:8888/lab?token=1e2caca216c1fd159da607c6360c82213b643605f11ef291复制到浏览器，即可使用Jupyter服务直连AnalyticDB for MySQL Spark。

   [I 2023-11-24 09:55:09.852 ServerApp] nbclassic | extension was successfully loaded.
   [I 2023-11-24 09:55:09.852 ServerApp] sparkmagic extension enabled!
   [I 2023-11-24 09:55:09.853 ServerApp] sparkmagic | extension was successfully loaded.
   [I 2023-11-24 09:55:09.853 ServerApp] Serving notebooks from local directory: /root/jupyter
   [I 2023-11-24 09:55:09.853 ServerApp] Jupyter Server 1.24.0 is running at:
   [I 2023-11-24 09:55:09.853 ServerApp] http://419e63fc7821:8888/lab?token=1e2caca216c1fd159da607c6360c82213b643605f11ef291
   [I 2023-11-24 09:55:09.853 ServerApp]  or http://127.0.0.1:8888/lab?token=1e2caca216c1fd159da607c6360c82213b643605f11ef291
   [I 2023-11-24 09:55:09.853 ServerApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).

   说明

   启动Jupyter环境时如果出现报错，您可以查看proxy_{timestamp}.log日志记录文件，排查并解决问题。

修改Spark应用配置参数

用Jupyter服务直连AnalyticDB for MySQL Spark后，可直接在Jupyter Notebook开发页面执行Spark作业，此时Spark作业会使用默认的配置参数运行，默认配置参数如下：

{
   "kind": "pyspark",
    "heartbeatTimeoutInSecond": "60",
    "spark.driver.resourceSpec": "medium",
    "spark.executor.resourceSpec": "medium",
    "spark.executor.instances": "1",
    "spark.dynamicAllocation.shuffleTracking.enabled": "true",
    "spark.dynamicAllocation.enabled": "true",
    "spark.dynamicAllocation.minExecutors": "0",
    "spark.dynamicAllocation.maxExecutors": "1",
    "spark.adb.sessionTTLSeconds": "1200"
}

如果您想修改Spark应用配置参数，可以使用%%configure语句修改。具体操作步骤如下：

1. 重启kernel。

   1. 启动Jupyter交互式开发环境后，使用Jupyter服务直连AnalyticDB for MySQL Spark。

   2. 单击页面顶部的Kernel > Restart Kernel and Clear All Outputs，确保当前Notebook开发页面下没有任何运行中的Spark应用。

      

2. 在代码框中输入自定义的Spark应用配置参数，示例如下：

   重要

   自定义Spark应用配置参数时必须将spark.dynamicAllocation.enabled配置为false。

   %%configure -f
   {
      "spark.driver.resourceSpec":"small",
      "spark.sql.hive.metastore.version":"adb",
      "spark.executor.resourceSpec":"small",
      "spark.adb.executorDiskSize":"100Gi",
      "spark.executor.instances":"1",
      "spark.dynamicAllocation.enabled":"false",
      "spark.network.timeout":"30000",
      "spark.memory.fraction":"0.75",
      "spark.memory.storageFraction":"0.3"
   }

   Spark应用配置参数的详细介绍，请参见Spark应用配置参数说明。

3. 单击按钮。

   返回结果如下，则代表Spark应用配置参数修改成功。