在DataWorks任务开发中,您可以通过创建CDH MR(MapReduce)节点处理超大规模的数据集。本文为您介绍如何在DataWorks中创建并使用CDH MR节点。
前提条件
数据开发(DataStudio)中已创建业务流程。
数据开发(DataStudio)基于业务流程对不同开发引擎进行具体开发操作,所以您创建节点前需要先新建业务流程,操作详情请参见创建业务流程。
已创建阿里云CDH集群,并注册CDH集群至DataWorks。
创建CDH相关节点并开发CDH任务前,您需要先将CDH集群注册至DataWorks工作空间,操作详情请参见注册CDH集群至DataWorks。
(可选,RAM账号需要)进行任务开发的RAM账号已被添加至对应工作空间中,并具有开发或空间管理员(权限较大,谨慎添加)角色权限,添加成员的操作详情请参见为工作空间添加空间成员。
已购买Serverless资源组并完成资源组配置,包括绑定工作空间、网络配置等,详情请参见新增和使用Serverless资源组。
使用限制
支持Serverless资源组(推荐)或旧版独享调度资源组运行该类型任务。
步骤一:创建CDH MR节点
进入数据开发页面。
登录DataWorks控制台,切换至目标地域后,单击左侧导航栏的 ,在下拉框中选择对应工作空间后单击进入数据开发。
右键单击某个业务流程,选择
。在新建节点对话窗中,配置节点的引擎实例、路径、名称等信息。
单击确认 ,完成节点创建,后续您可在创建的节点中进行对应任务的开发与配置操作。
步骤二:创建并引用CDH JAR资源
DataWorks支持您从本地先上传资源至DataStudio,再引用资源。具体操作如下:
创建CDH JAR资源。
在对应业务流程中,右键单击
,选择 ,在新建资源对话框中点击上传,选择需要上传的文件。引用CDH JAR资源。
打开创建的CDH MR节点,停留在编辑页面。
在
中,找到待引用的资源(示例为onaliyun_mr_wordcount-1.0-SNAPSHOT.jar
),右键单击资源名称,选择引用资源。引用资源后,若CDH节点的代码编辑页面出现
##@resource_reference{""}
格式的语句,表明已成功引用代码资源。此时,需执行下述命令运行作用。命令涉及的资源包、Bucket名称、路径信息等为本文示例内容,使用时,需替换为实际使用的信息。##@resource_reference{"onaliyun_mr_wordcount-1.0-SNAPSHOT.jar"} onaliyun_mr_wordcount-1.0-SNAPSHOT.jar cn.apache.hadoop.onaliyun.examples.EmrWordCount oss://onaliyun-bucket-2/cdh/datas/wordcount02/inputs oss://onaliyun-bucket-2/cdh/datas/wordcount02/outputs
说明CDH MR节点编辑代码时不支持注释语句。
步骤三:配置任务调度
如果您需要周期性执行创建的节点任务,可以单击节点编辑页面右侧的调度配置,根据业务需求配置该节点任务的调度信息:
步骤四:调试代码任务
(可选)选择运行资源组、赋值自定义参数取值。
在工具栏单击图标,在参数对话框选择已调试运行需要使用的资源组。
如果您的任务代码中有使用调度参数变量,可在此处为变量赋值,用于调试。参数赋值逻辑详情请参见运行,高级运行和开发环境冒烟测试赋值逻辑有什么区别。
保存并运行SQL语句。
在工具栏,单击图标,保存编写的SQL语句,单击图标,运行创建的SQL任务。
(可选)冒烟测试。
如果您希望在开发环境进行冒烟测试,可在执行节点提交,或节点提交后执行,冒烟测试,操作详情请参见执行冒烟测试。