E-MapReduce快速入门

前提条件

• 注册阿里云账号，并完成实名认证。具体操作请参见账号注册（PC端）。

  说明

  根据阿里云ECS的规则，您在购买按量付费实例时，需要保证阿里云账户中可用余额（含现金、代金券、优惠券等）不得少于100元人民币。

• 完成对E-MapReduce的服务账号授予默认的EMR和ECS角色权限，详情请参见阿里云账号角色授权。

注意事项

代码的运行环境由所属用户负责管理和配置。

操作流程

1. 步骤一：创建集群

   在EMR控制台，快速创建一个DataLake集群。

2. 步骤二：创建并执行作业

   集群创建成功后，您可以创建并执行Spark类型的作业。

3. 步骤三：查看作业运行记录

   提交作业后，您可以通过YARN UI方式查看作业运行记录。

4. （可选）步骤四：释放集群

   如果不再使用该集群，可以释放集群以节约成本。

步骤一：创建集群

1. 进入创建集群页面。

   1. 登录EMR on ECS控制台。

   2. 在顶部菜单栏处，根据实际情况选择地域和资源组。

      • 地域：创建的集群会在对应的地域内，一旦创建不能修改。

      • 资源组：默认显示账号全部资源。

   3. 单击上方的创建集群。

2. 在创建集群页面，完成集群相关配置。

   配置区域	配置项	示例	描述
   软件配置	地域	华东1（杭州）	集群节点ECS实例所在的物理位置。 重要 集群创建后，无法更改地域，请谨慎选择。
   	业务场景	数据湖	选择适合的业务场景，创建集群时阿里云EMR会自动为您配置默认的组件、服务和资源，以简化集群配置，并提供符合特定业务场景需求的集群环境。
   	产品版本	EMR-5.14.0	当前最新的软件版本。
   	服务高可用	不开启	默认不开启。打开服务高可用开关后，EMR会把Master节点分布在不同的底层硬件上以降低故障风险。
   	可选服务	HADOOP-COMMON、 OSS-HDFS、YARN、Hive、Spark3、Tez、Knox和OpenLDAP。	根据您的实际需求选择组件，被选中的组件会默认启动相关的服务进程。 说明 除过集群默认的服务，还需选择Knox和OpenLDAP服务。
   	允许采集服务运行日志	开启	支持一键开启或关闭所有服务的日志采集。默认开启，将收集您的服务运行日志，这些日志仅供集群诊断使用。 集群创建后，您可以在基础信息页面，修改服务运行日志收集状态。 重要 关闭日志采集后，EMR的健康检查和技术支持将受到限制，但其他功能仍可正常使用。如何关闭及影响详情，请参见如何停止采集服务日志？。
   	元数据	DLF统一元数据	表示元数据存储在数据湖构建DLF中。 系统会为您选择默认的DLF数据目录，如果您不同集群期望使用不同的数据目录，可以单击创建数据目录。 说明 选择该方式时，需要开通阿里云数据湖构建服务。
   	集群存储根路径	1366993922******	当您在可选服务区域选择了OSS-HDFS服务时，需要配置该参数，如果选择的是HDFS服务，则无需配置该参数。 说明 在选择使用OSS-HDFS服务之前，请确保您选择的地域支持该服务。否则，您可以尝试更换地域或使用HDFS服务替代OSS-HDFS服务。OSS-HDFS服务目前支持的地域信息，请参见开通并授权访问OSS-HDFS服务。 EMR-5.12.1及后续版本，EMR-3.46.1及后续版本的DataLake、DataFlow、DataServing和Custom集群，支持选择OSS-HDFS服务。
   硬件配置	付费类型	按量付费	在测试场景下，建议使用按量付费，测试正常后可以释放该集群，再新建一个包年包月的生产集群正式使用。
   	可用区	可用区 I	集群创建后，无法直接更改可用区，请谨慎选择。
   	专有网络	vpc_Hangzhou/vpc-bp1f4epmkvncimpgs****	选择对应区域下的专有网络。如果没有，单击创建VPC前往新建。创建专有网络完成后，单击刷新，可以选择刚创建好的VPC。
   	交换机	vsw_i/vsw-bp1e2f5fhaplp0g6p****	选择在对应专有网络下可用区的交换机，如果在这个可用区没有可用的交换机，则需要新创建一个。
   	默认安全组	sg_seurity/sg-bp1ddw7sm2risw****	重要 禁止使用ECS上创建的企业安全组。 如果已有在使用的安全组，则可以直接选择使用。您也可以新建一个安全组。
   	节点组	打开Master节点组下的挂载公网开关，其余使用默认值即可。	您可以根据业务诉求，配置Master节点组、Core节点组或Task节点组信息。详情请参见选型配置说明。
   基础配置	集群名称	Emr-DataLake	集群的名字，长度限制为1~64个字符，仅可使用中文、字母、数字、短划线（-）和下划线（_）。
   	身份凭证	密码。	用于远程登录集群的Master节点。
   	登录密码和确认密码	自定义密码。	请记录该配置，登录集群时您需要输入该密码。

3. 选中服务协议，单击确认订单。

   在EMR on ECS页面，当集群状态显示为运行中时，表示集群创建成功。更多集群参数信息，请参见创建集群。

步骤二：创建并执行作业

集群创建成功后，您可以在该集群创建并执行作业。

1. 通过SSH方式连接集群，详情请参见登录集群。

2. 在命令行执行以下命令，提交并运行作业。

   本文以Spark 3.1.1版本为例，输入的命令示例如下。

   spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode client --driver-memory 512m --num-executors 1 --executor-memory 1g --executor-cores 2 /opt/apps/SPARK3/spark-current/examples/jars/spark-examples_2.12-3.1.1.jar 10

   说明

   spark-examples_2.12-3.1.1.jar为您集群中对应的JAR包名称，您可以登录集群，在/opt/apps/SPARK3/spark-current/examples/jars路径下查看。

步骤三：查看作业运行记录

提交作业后，您可以通过YARN UI方式查看作业运行记录。

1. 开启8443端口，详情请参见管理安全组。

2. 新增用户，详情请参见管理用户。

   在使用Knox账号访问YARN UI页面时，需要Knox账号的用户名和密码。

3. 在EMR on ECS页面，单击目标集群所在行的集群服务。

4. 单击访问链接与端口页签。

5. 单击YARN UI所在行的公网链接。

   使用用户管理中的用户身份信息进行登录认证，即可进入YARN UI页面。

6. 在All Applications页面，单击目标作业的ID，可以查看作业运行的详情。

   

（可选）步骤四：释放集群

如果您创建的集群不再使用时，可以释放集群节约成本。确认集群释放后，系统会对集群进行如下处理：

1. 强制终止集群上的所有作业。

2. 终止并释放所有的ECS实例。

这个过程所需时间取决于集群的大小，集群越小释放越快。通常在几秒内可以完成释放，至多不会超过5分钟。

1. 在EMR on ECS页面，选择目标集群所在行的 > 释放。

   您还可以单击目标集群的集群名称，然后在基础信息页面，选择右上角的全部操作 > 释放。

2. 在弹出的对话框中，单击确定。

相关文档

• 了解如何登录集群：登录集群。

• 了解如何查看常用文件的安装路径：常用文件路径。

• 了解部署集相关操作：开启部署集。

• 了解标签相关操作：设置标签。

• 了解资源组相关操作：使用资源组。

• 了解安全组相关操作：管理安全组。

• 了解如何使用API管理集群和服务等：API概览。

常见问题

了解使用阿里云E-MapReduce的常见问题：常见问题。