Spark作业配置

操作步骤

1. 新建作业。
   1. 已通过阿里云账号登录阿里云E-MapReduce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。
   3. 单击上方的数据开发页签。
   4. 在项目列表页面，单击待编辑项目所在行的作业编辑。
   5. 在作业编辑区域，在需要操作的文件夹上，右键选择新建作业。
2. 配置作业。
   1. 输入作业名称、作业描述，在作业类型下拉列表中选择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

   2. 单击确定。
   3. 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不支持通过作业方式安装Python工具包。
3. 单击保存，作业配置即定义完成。

问题反馈

如果您在使用阿里云E-MapReduce过程中有任何疑问，欢迎您扫描下面的二维码加入钉钉群进行反馈。