CDH Spark节点

前提条件

• 已创建阿里云CDH集群，并注册CDH集群至DataWorks。操作详情请参见注册CDH集群至DataWorks。

• （可选，RAM账号需要）进行任务开发的RAM账号已被添加至对应工作空间中，并具有开发或空间管理员（权限较大，谨慎添加）角色权限，添加成员的操作详情请参见为工作空间添加空间成员。

  说明

  如果您使用的是主账号，则可忽略该添加操作。

• 已开发创建项目目录，详情请参见项目目录。

• 已在DataWorks配置Hive数据源并通过连通性测试，详情请参见创建并管理数据源。

• 已创建CDH Spark节点，详情请参见创建任务节点。

准备工作：开发Spark任务并获取JAR包

在使用DataWorks调度CDH Spark任务前，您需要先在CDH中开发Spark任务代码并完成任务代码的编译，生成编译后的任务JAR包，CDH Spark任务的开发指导详情请参见Spark概述。

操作步骤

1. 在CDH Spark节点编辑页面，执行如下开发操作。

   创建CDH JAR资源

   1. 创建CDH JAR资源。

      1. 详情请参见资源管理。可将JAR包通过本地上传的方式上传到JAR资源的存放目录下。单击点击上传按钮，上传JAR资源。

      2. 选择存储路径、数据源及资源组。

      3. 单击保存按钮进行保存。

   2. 引用CDH JAR资源。

      1. 打开创建的CDH Spark节点，停留在代码编辑页面。

      2. 在左侧导航栏的资源管理中找到待引用资源，右键选择引用资源。

      3. 选择引用后，当CDH Spark节点的代码编辑页面出现如下引用成功提示时，表明已成功引用代码资源。此时，需要执行下述命令。如下命令涉及的资源包、Bucket名称、路径信息等为本文示例的内容，使用时，您需要替换为实际使用信息。

      ##@resource_reference{"spark_examples_2.11_2.4.0.jar"}
      spark_examples_2.11_2.4.0.jar

   编辑CDH Spark节点代码

   修改CDH Spark节点代码，补充Spark Submit命令，修改后的示例如下：

   重要

   CDH Spark节点编辑代码时不支持注释语句，请务必参考如下示例改写任务代码，不要随意添加注释，否则后续运行节点时会报错。

   ##@resource_reference{"spark-examples_2.11-2.4.0.jar"}
   spark-submit --class org.apache.spark.examples.SparkPi --master yarn  spark-examples_2.11-2.4.0.jar 100

   说明

   • org.apache.spark.examples.SparkPi：为您实际编译的JAR包中的任务主Class。

   • spark-examples_2.11-2.4.0.jar：为您实际上传的CDH JAR资源名称。

   执行Spark任务

   1. 在调试配置的计算资源中，选择配置计算资源和DataWorks资源组。

      1. 计算资源选择您在DataWorks上注册的CDH集群名称。

      2. 资源组选择与数据源测试连通性成功的调度资源组。详情请参见网络连通方案。

      说明

      您还可以根据任务执行所需的资源情况来调度 CU。默认CU为0.25。

   2. 在工具栏的参数对话框中选择已创建的Hive数据源，单击运行SQL任务。

2. 如需定期执行节点任务，请根据业务需求配置调度信息。配置详情请参见调度配置。

3. 节点任务配置完成后，需对节点进行发布。详情请参见节点发布。

4. 任务发布后，您可以在运维中心查看周期任务的运行情况。详情请参见运维中心入门。