Spark作业配置

本文介绍如何配置Spark类型的作业。

1. 通过主账号登录阿里云 E-MapReduce 控制台。
2. 单击上方的数据开发页签。
3. 在项目列表页面，单击对应项目所在行的作业编辑。
4. 在页面左侧，在需要操作的文件夹上单击右键，选择新建作业。
   说明 您还可以通过在文件夹上单击右键，进行新建子文件夹、重命名文件夹和删除文件夹操作。
5. 输入作业名称、作业描述，选择Spark作业类型。
   表示创建的作业是一个Spark作业。这种类型的作业，其运行实际是通过以下方式提交的Spark作业。

   spark-submit [options] --class [MainClass] xxx.jar args

6. 单击确定。
7. 在作业内容中，填写提交该作业需要提供的命令行参数。
   只需要填写spark-submit之后的参数即可。

   以下分别展示如何填写创建Spark作业和pyspark作业的参数。

   • 创建Spark作业 。

     新建一个Spark WordCount作业。

     • 作业名称： Wordcount。
     • 类型：选择Spark。
     • 应用参数：
       • 在命令行下提交完整的命令。

         spark-submit --master yarn-client --driver-memory 7G --executor-memory 5G --executor-cores 1 --num-executors 32 --class com.aliyun.emr.checklist.benchmark.SparkWordCount emr-checklist_2.10-0.1.0.jar oss://emr/checklist/data/wc oss://emr/checklist/data/wc-counts 32

       • 在E-MapReduce 作业的作业内容输入框中填写如下命令。

         --master yarn-client --driver-memory 7G --executor-memory 5G --executor-cores 1 --num-executors 32 --class com.aliyun.emr.checklist.benchmark.SparkWordCount ossref://emr/checklist/jars/emr-checklist_2.10-0.1.0.jar oss://emr/checklist/data/wc oss://emr/checklist/data/wc-counts 32

         注意 jar包保存在OSS 中，引用这个jar包的方式是 ossref://emr/checklist/jars/emr-checklist_2.10-0.1.0.jar。您可以单击下方的插入OSS 路径，文件前缀选择OSSREF，从文件路径中进行浏览和选择，系统会自动补齐OSS上Spark脚本的路径。
   • 创建pyspark作业。

     E-MapReduce除了支持Scala或者Java类型作业外，还支持python类型Spark作业。以下是新建一个python脚本的Spark Kmeans作业。

     • 作业名称：Python-Kmeans。
     • 类型：Spark。
     • 应用参数。

       --master yarn-client --driver-memory 7g --num-executors 10 --executor-memory 5g --executor-cores 1  ossref://emr/checklist/python/kmeans.py oss://emr/checklist/data/kddb 5 32

     • 支持Python脚本资源的引用，同样使用ossref协议。
     • pyspark目前不支持在线安装Python工具包。
8. 单击保存，作业配置即定义完成。