全部产品
存储与CDN 数据库 安全 应用服务 数加·人工智能 数加·大数据基础服务 互联网中间件 视频服务 开发者工具 解决方案 物联网
MaxCompute

本地运行

更新时间:2017-10-19 18:11:08

基本阶段介绍

本地运行前提:通过在 Jar 命令中设置–local参数,在本地模拟 MapReduce 的运行过程,从而进行本地调试。

本地运行时:客户端会从 MaxCompute 中下载本地调试所需要的输入表的元信息、数据,所需要的资源以及输出表的元信息,并将这些信息保存到一个名为 warehouse 的本地目录中。

本地运行结束后:程序运行结束后,会将计算结果输出到 warehouse 目录内的一个文件中。如果本地的 warehouse 目录下已经下载了输入表及被引用的资源,在下一次运行时,会直接引用 warehouse 下的数据及文件,不需重复下载。

本地运行和分布式环境运行差异

在本地运行的过程中,仍然会启动多个 Map 及 Reduce 进程处理数据,但这些进程不是并发运行,而是依次串行运行。

此外这个模拟运行过程与真正的分布式运行有如下差别:

  • 输入表行数限制:目前,最多只会下载 100 行数据。

  • 资源的使用:在分布式环境中,MaxCompute 会限制引用资源的大小,详情请参见 MR 限制汇总。但在本地运行环境中,不会有资源大小的限制。

  • 安全限制:MaxCompute MapReduce 及 UDF 程序在分布式环境中运行时受到 Java 沙箱 的限制。但在本地运行时,没有此限制。

本地运行示例

本地运行的示例如下:

  1. odps:my_project> jar -l com.aliyun.odps.mapred.example.WordCount wc_in wc_out
  2. Summary:
  3. counters: 10
  4. map-reduce framework
  5. combine_input_groups=2
  6. combine_output_records=2
  7. map_input_bytes=4
  8. map_input_records=1
  9. map_output_records=2
  10. map_output_[wc_out]_bytes=0
  11. map_output_[wc_out]_records=0
  12. reduce_input_groups=2
  13. reduce_output_[wc_out]_bytes=8
  14. reduce_output_[wc_out]_records=2
  15. OK

关于 WordCount 示例的代码介绍请参见 WordCount 示例

如果您是第一次运行本地调试命令,命令成功结束后,会在当前路径下看到一个名为 warehouse 的路径。warehouse 的目录结构如下所示:

  1. <warehouse>
  2. |____my_project(项目空间目录)
  3. |____ <__tables__>
  4. | |__wc_in(表数据目录)
  5. | | |____ data(文件)
  6. | | |
  7. | | |____ <__schema__> (文件)
  8. | |__wc_out(表数据目录)
  9. | |____ data(文件)
  10. | |
  11. | |____ <__schema__> (文件)
  12. |
  13. |____ <__resources__>
  14. |
  15. |___table_resource_name (表资源)
  16. | |____<__ref__>
  17. |
  18. |___ file_resource_name(文件资源)
  • my_project 的同级目录表示项目空间。wc_in 及 wc_out 表示数据表,您在 Jar 命令中读写的表文件数据会被下载到这级目录下。

  • <__schema__>文件中的内容表示表的元信息,其文件格式定义如下:

    1. project=local_project_name
    2. table=local_table_name
    3. columns=col1_name:col1_type,col2_name:col2_type
    4. partitions=p1:STRING,p2:BIGINT -- 本示例中不需要此字

    其中,列名与列类型使用英文冒号分隔,列与列之间使用英文逗号分隔。<__schema__>文件的最前面需要声明 Project 名字及 Table 名字,即project_name.table_name,并通过英文逗号与列的定义做分隔,即:project_name.table_name,col1_name:col1_type,col2_name:col2_type,……

  • tables 目录中 data 文件表示表的数据。列的数量及数据必须与 _schema_ 文件的定义相符,不能多列或者少列,列之间使用逗号分隔。

    wc_in 的 _schema_ 文件内容,如下所示:

    1. my_project.wc_in,key:STRING,value:STRING

    data 的文件内容,如下所示:

    1. 0,2

    客户端会从 MaxCompute 中下载表的元信息及部分数据内容,并保存到上述两个文件中。如果再次运行此示例,将直接使用 wc_in 目录下的数据,不会再次下载。

    注意

    仅在 MapReduce 的本地运行模式下支持从 MaxCompute 中下载数据的功能,在 Eclipse 开发插件 中进行本地调试时,不支持将 MaxCompute 的数据下载到本地。

    wc_out 的 _schema_ 文件内容,如下所示:

    1. my_project.wc_out,key:STRING,cnt:BIGINT

    data 的文件内容,如下所示:

    1. 0,1
    2. 2,1

    客户端会从 MaxCompute 中下载 wc_out 表的元信息,并保存到 _schema_ 文件中。而本地运行后,生成的结果数据,则保存到 data 文件中。

    注意

    • 您也可以自行编辑 _schema_ 及 data 文件,而后将这两个文件放置在对应的表目录下。

    • 在本地运行时,客户端检测到表目录已经存在,则不会从 MaxCompute 中下载这个表的信息。本地的表目录可以是 MaxCompute 中不存在的表。

本文导读目录