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

导出SQL的运行结果

更新时间:2017-10-23 23:54:52

本文将通过示例,为您介绍几种下载 MaxCompute SQL 计算结果的方法。

注意

本文中所有的 SDK 部分仅举例介绍 Java 的例子。

您可以通过以下几种方法导出SQL的运行结果:

  • 如果数据比较少,可以直接用 SQL Task 得到全部的查询结果。

  • 如果只是想导出某个表或者分区,可以用 Tunnel 直接导出数据。

  • 如果 SQL 比较复杂,需要 Tunnel 和 SQL 相互配合才行。

  • 大数据开发套件 可以方便地帮您运行 SQL,同步数据,并有定时调度,配置任务依赖的功能。

  • 开源工具 DataX 可帮助您方便地把 MaxCompute 中的数据导出到目标数据源,详情请参见 DataX 概述

SQLTask 方式导出

SQL Task 是 SDK 直接调用 MaxCompute SQL 的接口,能很方便地运行 SQL 并获得其返回结果。

从文档可以看到,SQLTask.getResult(i); 返回的是一个 List,可以循环迭代这个 List,获得完整的 SQL 计算返回结果。不过此方法有个缺陷,详情请参见 其他操作 中提到的SetProject READ_TABLE_MAX_ROW功能。

目前 Select 语句返回给客户端的数据条数最大可以调整到 1万。也就是说如果在客户端上(包括 SQLTask)直接 Select,那相当于查询结果上最后加了个 Limit N(如果是 CREATE TABLE XX AS SELECT 或者用 INSERT INTO/OVERWRITE TABLE 把结果固化到具体的表里就没关系)。

Tunnel 方式导出

如果您需要导出的查询结果是某张表的全部内容(或者是具体的某个分区的全部内容),可以通过 Tunnel 来实现,详情请参见 命令行工具 和基于 SDK 编写的 Tunnel SDK

在此提供一个 Tunnel 命令行导出数据的简单示例,Tunnel SDK 的编写是在有一些命令行没办法支持的情况下才需要考虑,详情请参见 批量数据通道概述

  1. tunnel d wc_out c:\wc_out.dat;
  2. 2016-12-16 19:32:08 - new session: 201612161932082d3c9b0a012f68e7 total lines: 3
  3. 2016-12-16 19:32:08 - file [0]: [0, 3), c:\wc_out.dat
  4. downloading 3 records into 1 file
  5. 2016-12-16 19:32:08 - file [0] start
  6. 2016-12-16 19:32:08 - file [0] OK. total: 21 bytes
  7. download OK

SQLTask+Tunnel 方式导出

从前面 SQL Task 方式导出的介绍可以看到,SQL Task 不能处理超过 1 万条记录,而 Tunnel 可以,两者可以互补。所以可以基于两者实现数据的导出。

代码实现的示例如下:

  1. private static final String accessId = "userAccessId";
  2. private static final String accessKey = "userAccessKey";
  3. private static final String endPoint = "http://service.odps.aliyun.com/api";
  4. private static final String project = "userProject";
  5. private static final String sql = "userSQL";
  6. private static final String table = "Tmp_" + UUID.randomUUID().toString().replace("-", "_");//其实也就是随便找了个随机字符串作为临时表的名字
  7. private static final Odps odps = getOdps();
  8. public static void main(String[] args) {
  9. System.out.println(table);
  10. runSql();
  11. tunnel();
  12. }
  13. /*
  14. * 把SQLTask的结果下载过来
  15. * */
  16. private static void tunnel() {
  17. TableTunnel tunnel = new TableTunnel(odps);
  18. try {
  19. DownloadSession downloadSession = tunnel.createDownloadSession(
  20. project, table);
  21. System.out.println("Session Status is : "
  22. + downloadSession.getStatus().toString());
  23. long count = downloadSession.getRecordCount();
  24. System.out.println("RecordCount is: " + count);
  25. RecordReader recordReader = downloadSession.openRecordReader(0,
  26. count);
  27. Record record;
  28. while ((record = recordReader.read()) != null) {
  29. consumeRecord(record, downloadSession.getSchema());
  30. }
  31. recordReader.close();
  32. } catch (TunnelException e) {
  33. e.printStackTrace();
  34. } catch (IOException e1) {
  35. e1.printStackTrace();
  36. }
  37. }
  38. /*
  39. * 保存这条数据
  40. * 数据量少的话直接打印后拷贝走也是一种取巧的方法。实际场景可以用Java.io写到本地文件,或者写到远端数据等各种目标保存起来。
  41. * */
  42. private static void consumeRecord(Record record, TableSchema schema) {
  43. System.out.println(record.getString("username")+","+record.getBigint("cnt"));
  44. }
  45. /*
  46. * 运行SQL,把查询结果保存成临时表,方便后面用Tunnel下载
  47. * 这里保存数据的lifecycle为1天,所以哪怕删除步骤出了问题,也不会太浪费存储空间
  48. * */
  49. private static void runSql() {
  50. Instance i;
  51. StringBuilder sb = new StringBuilder("Create Table ").append(table)
  52. .append(" lifecycle 1 as ").append(sql);
  53. try {
  54. System.out.println(sb.toString());
  55. i = SQLTask.run(getOdps(), sb.toString());
  56. i.waitForSuccess();
  57. } catch (OdpsException e) {
  58. e.printStackTrace();
  59. }
  60. }
  61. /*
  62. * 初始化MaxCompute(原ODPS)的连接信息
  63. * */
  64. private static Odps getOdps() {
  65. Account account = new AliyunAccount(accessId, accessKey);
  66. Odps odps = new Odps(account);
  67. odps.setEndpoint(endPoint);
  68. odps.setDefaultProject(project);
  69. return odps;
  70. }

大数据开发套件的数据同步方式导出

前面介绍的方式解决了数据下载后保存的问题,但是没解决数据的生成以及两个步骤之间的调度依赖的问题。

数加·大数据开发套件 可以运行 SQL、配置数据同步任务,还可以设置自动 周期性运行多任务之间依赖,彻底解决了前面的烦恼。

接下来将用一个简单示例,为您介绍如何通过大数据开发套件运行 SQL 并配置数据同步任务,以完成数据生成和导出需求。

操作步骤

  1. 创建一个工作流,工作流里创建一个 SQL 节点和一个数据同步节点,并将两个节点连线配置成依赖关系,SQL 节点作为数据产出的节点,数据同步节点作为数据导出节点。

    1

  2. 配置 SQL 节点。

    注意

    SQL 这里的创建表要先执行一次再去配置同步(否则表都没有,同步任务没办法配置)。

    1

  3. 配置数据同步任务。

    1. 选择来源。

      1

    2. 选择目标。

      1

    3. 字段映射。

      1

    4. 通道控制。

      1

    5. 预览保存。

  4. 工作流调度配置完成后(可以直接使用默认配置),保存并提交工作流,然后单击 测试运行。查看数据同步的运行日志,如下所示:

    1. 2016-12-17 23:43:46.394 [job-15598025] INFO JobContainer -
    2. 任务启动时刻 : 2016-12-17 23:43:34
    3. 任务结束时刻 : 2016-12-17 23:43:46
    4. 任务总计耗时 : 11s
    5. 任务平均流量 : 31.36KB/s
    6. 记录写入速度 : 1668rec/s
    7. 读出记录总数 : 16689
    8. 读写失败总数 : 0
  5. 输入 SQL 语句查看数据同步的结果,如下图所示:

    1

本文导读目录