在DataWorks中使用Spark Distribution SQL Engine开发Spark SQL作业_云原生数据仓库AnalyticDB MySQL版(AnalyticDB for MySQL)-阿里云帮助中心

若您需要在DataWorks中开发Spark SQL作业，可以通过注册CDH集群的方式，将的Spark Distribution SQL Engine服务注册为一种支持SQL的执行引擎，从而满足您在DataWorks中使用Spark Distribution SQL Engine开发Spark SQL作业的业务需求。

前提条件

AnalyticDB for MySQL集群的产品系列为企业版或湖仓版。
已在AnalyticDB for MySQL集群中创建Job型资源组。具体操作，请参见新建资源组。
已创建AnalyticDB for MySQL集群的数据库账号。
- 如果是通过阿里云账号访问，只需创建高权限账号。具体操作，请参见创建高权限账号。
- 如果是通过RAM用户访问，需要创建高权限账号和普通账号并且将RAM用户绑定到普通账号上。具体操作，请参见创建数据库账号和绑定或解绑RAM用户与数据库账号。
已创建DataWorks工作空间。具体操作，请参见创建工作空间。
已购买DataWorks独享调度资源组。
DataWorks独享调度资源组购买后，默认与其他云产品网络不连通。在对接使用CDH时，需先保障CDH集群和独享调度资源组间网络连通，才可进行后续相关操作。购买资源组，详情请参见新增和使用独享调度资源组。

背景信息

DataWorks提供了与CDH（Cloudera’s Distribution Including Apache Hadoop，以下简称CDH）集群对接的能力，您可在DataWorks中注册CDH集群，进行任务开发、调度、数据地图（元数据管理）和数据质量等一系列的数据开发和治理操作。Spark Distribution SQL Engine是Spark内置的分布式SQL执行引擎，您可以在DataWorks中以注册CDH集群的方式，将Spark Distribution SQL Engine注册为支持SQL的一种执行引擎，从而能够在DataWorks中通过Spark Distribution SQL Engine来执行SQL。

AnalyticDB for MySQL集群支持启动多个Spark Distribution SQL Engine，因此您也可以根据自己需求启动不同配置的Spark Distribution SQL Engine并托管到DataWorks，以满足不同的业务需求。

操作步骤

步骤一：启动Spark Distribution SQL Engine

登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，在企业版或湖仓版页签下，单击目标集群ID。
在左侧导航栏，单击作业开发 > Spark Jar开发。
在编辑器窗口上方，选择Job型资源组，作业类型选择SQLEngine。

在编辑器中输入以下作业内容。

重要

DataWorks不支持携带用户名和密码的Spark Distribution SQL Engine，因此在启动Spark Distribution SQL Engine时请勿配置spark.kubernetes.driverEnv.HIVE_SERVER2_USER和spark.kubernetes.driverEnv.HIVE_SERVER2_PASSWORD参数。

-- Here is just an example of start Spark SQLEngine. Modify the content and run your spark program.
CONF spark.driver.resourceSpec=medium;
CONF spark.executor.instances=1;
CONF spark.executor.resourceSpec=small;
CONF spark.app.name=Spark SQLEngine;
CONF spark.sql.hive.metastore.version=adb;
CONF spark.adb.sessionTTLSeconds=2147483647;

参数说明：

参数	是否必填	说明
spark.app.name	是	Spark应用名称。
spark.sql.hive.metastore.version	是	指定采用元数据服务版本，支持如下配置： adb：连接AnalyticDB for MySQL中的元数据信息。 <hive_version>：指定Hive MetaStore的版本。说明 Spark支持的Hive版本，请参见Spark Configuration。如需要连接自建的Hive Metastore，可以采用社区Spark的标准配置方式。请参见Spark Configuration。
spark.adb.sessionTTLSeconds	否	Spark Distribution SQL Engine销毁时间。单位为秒（s），默认值为1200秒。即最后一个SQL代码块执行完毕，1200秒后Spark Distribution SQL Engine服务会自动销毁。重要 Spark Distribution SQL Engine销毁后，重启Spark Distribution SQL Engine时，会重新生成一个新的连接地址。如果您需要在DataWorks中长期使用Hive时，请将`spark.adb.sessionTTLSeconds`参数配置为`2147483647`，避免Spark Distribution SQL Engine长时间没有执行SQL而自动销毁。

其他参数，请参见Spark应用配置参数说明。

步骤二：获取域名连接地址

登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，在企业版或湖仓版页签下，单击目标集群ID。
在左侧导航栏，单击作业开发 > Spark Jar开发。
在应用列表页签中，单击目标Spark应用操作列的详情，获取Spark Distribution SQL Engine的域名地址，即Spark JDBC Public Connect URL对应的地址。

步骤二：在DataWorks中注册Spark Distribution SQL Engine

进入管理中心页面。
登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的管理中心，在下拉框中选择对应工作空间后单击进入管理中心。
在左侧导航栏单击开源集群 > 注册集群，选择CDH，进入集群注册页面。

在注册CDH集群页面，配置如下参数：

配置参数	说明
集群显示名称	定义集群在DataWorks的名称，名称必须唯一。
集群版本	选择注册的集群版本。请选择CDH 6.3.2。
集群名称	用于确定当前所注册集群的配置信息来源。可选择其他工作空间已注册的集群或新建集群：已注册集群：当前所注册集群的配置信息，直接引用其他工作空间已注册集群的配置信息。新建集群：当前注册集群的配置信息需您自行配置。
版本选择	Hive的版本号。请选择2.1.1。
HiveServer2	HiveServer2地址。请填写步骤二中启动Spark Distribution SQL Engine后获取的域名连接地址。详情请参见步骤二：获取域名连接地址。重要域名地址中的`{database name}`需替换为实际的数据库名。
Metastore	Hive Metastore地址。请填写步骤二中启动Spark Distribution SQL Engine后获取的域名连接地址。详情请参见步骤二：获取域名连接地址。重要域名地址中的`{database name}`需替换为实际的数据库名。
默认访问方式	用于配置在DataWorks运行CDH集群任务时，使用什么账号访问CDH集群。详情请参见配置集群默认访问身份。

单击完成注册。

步骤三：在DataWorks中使用Spark Distribution SQL Engine执行SQL

进入数据开发页面。
登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据建模与开发 > 数据开发，在下拉框中选择对应工作空间后单击进入数据开发。
创建业务流程。
您可使用如下两种方式创建：
- 方式一：鼠标悬停至图标，单击新建业务流程。
- 方式二：右键单击数据开发左侧目录树的业务流程，选择新建业务流程。
在弹出的新建业务流程对话框中，配置业务流程的名称及描述，单击新建。
本文示例创建名为Sparktest的业务流程。
创建节点。
1. 展开业务流程Sparktest的子目录，并单击CDH。
2. 右键单击数据开发，选择新建节点 > CDH Hive。
3. 配置节点引擎实例、名称等信息。
4. 单击确认。

节点创建完成后，在右侧代码框中输入SQL语句，单击按钮执行。

SHOW TABLES;

返回结果：

+-----------+-----------+-------------+
| namespace | tableName | isTemporary |
+-----------+-----------+-------------+
|    db     |   test    |    false    |
+-----------+-----------+-------------+