创建CDH Spark SQL节点

Spark SQL可实现分布式SQL查询引擎处理结构化数据,提高作业的执行效率。DataWorks的CDH Spark SQL节点可进行CDH Spark SQL任务的开发和周期性调度,以及与其他作业的集成操作。本文为您介绍如何创建及使用CDH Spark SQL节点。

前提条件

  • 数据开发(DataStudio)中已创建业务流程。

    数据开发(DataStudio)基于业务流程对不同开发引擎进行具体开发操作,所以您创建节点前需要先新建业务流程,操作详情请参见创建业务流程

  • 已创建阿里云CDH集群,并注册CDH集群至DataWorks。

    创建CDH相关节点并开发CDH任务前,您需要先将CDH集群注册至DataWorks工作空间,操作详情请参见注册CDH集群至DataWorks

  • 已购买Serverless资源组,并完成资源组的相关配置(包括绑定工作空间、网络配置)等,详情请参见新增和使用Serverless资源组

使用限制

仅支持使用Serverless资源组运行CDH Spark SQL节点任务。

步骤一:创建CDH Spark SQL节点

  1. 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开发与治理 > 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

  2. 右键单击目标业务流程,选择新建节点 > CDH > CDH Spark SQL

  3. 新建节点对话框输入节点名称,单击确认。节点创建完成,您可在节点中进行对应任务的开发与配置。

步骤二:开发CDH Spark SQL任务

(可选)选择CDH集群实例

若您的工作空间注册了多个CDH集群,则可在节点编辑页面顶部选择合适的集群。若仅注册了一个CDH集群,默认使用该集群进行开发操作。

image

开发SQL代码

开发SQL代码:简单示例

在CDH Spark SQL节点的代码编辑区域编写要执行的任务。

示例在test_spark数据库中创建test_lineage_table_f1test_lineage_table_t2表,并且从test_lineage_table_f1表向test_lineage_table_t2表复制数据,代码如下:

说明

本示例仅为参考,实际使用时请替换为您自己的数据库环境。

CREATE TABLE IF NOT EXISTS test_spark.test_lineage_table_f1 (`id` BIGINT, `name` STRING)
PARTITIONED BY (`ds` STRING);
CREATE TABLE IF NOT EXISTS test_spark.test_lineage_table_t2 AS SELECT * FROM test_spark.test_lineage_table_f1;
INSERT into test_spark.test_lineage_table_t2 SELECT * FROM test_spark.test_lineage_table_f1;

开发SQL代码:使用调度参数

DataWorks提供的调度参数可实现周期调度场景下代码动态入参,您可在节点任务中通过${变量名}的方式定义代码中的变量,并在节点编辑页面右侧导航栏的调度配置>调度参数,为该变量赋值。调度参数支持的格式及配置详情,请参见调度参数支持的格式配置并使用调度参数

示例代码如下。

SELECT '${var}'; --可结合调度参数使用。

(可选)配置高级参数

在CDH Spark SQL节点编辑页面,单击右侧导航栏的高级设置,即可配置任务运行相关的参数。例如:

  • "spark.driver.memory": "2g":用于设置分配给Spark驱动节点的内存大小。

  • "spark.yarn.queue": "haha":用于设置应用程序提交到YARN的哪个队列。

更多高级参数的配置,请参见Spark Configuration

步骤三:配置任务调度

如您需要周期性执行创建的节点任务,可单击节点编辑页面右侧的调度配置,根据业务需求配置该节点任务的调度信息。配置详情请参见任务调度属性配置概述

说明

您需要设置节点的重跑属性依赖的上游节点,才可以提交节点。

步骤四:调试任务代码

您可根据需要执行如下调试操作,查看任务是否符合预期。

  1. (可选)选择运行资源组、赋值自定义参数取值。

    • 单击工具栏的高级运行图标,在参数对话框选择调试运行需使用的调度资源组。

    • 如您的任务代码中有使用调度参数变量,可在此处为变量赋值,用于调试。参数赋值逻辑,详情请参见任务调试流程

  2. 保存并运行任务代码。

    单击工具栏的保存图标,保存编写的任务代码,单击运行图标,运行创建的任务。

  3. (可选)冒烟测试。

    如您希望在开发环境进行冒烟测试,查看调度节点任务的执行是否符合预期,则可在节点提交时,或节点提交后执行冒烟测试,操作详情请参见执行冒烟测试

步骤五:提交发布任务

节点任务配置完成后,需执行提交发布操作,提交发布后节点即会根据调度配置内容进行周期性运行。

  1. 单击工具栏中的保存图标,保存节点。

  2. 单击工具栏中的提交图标,提交节点任务。

    提交时需在提交对话框中输入变更描述,并根据需要选择是否在节点提交后执行代码评审。

    说明
    • 您需设置节点的重跑属性依赖的上游节点,才可提交节点。

    • 代码评审可对任务的代码质量进行把控,防止由于任务代码有误,未经审核直接发布上线后出现任务报错。如进行代码评审,则提交的节点代码必须通过评审人员的审核才可发布,详情请参见代码评审

如您使用的是标准模式的工作空间,任务提交成功后,需单击节点编辑页面右上方的发布,将该任务发布至生产环境执行,操作请参见发布任务

后续步骤

  • 任务运维:任务提交发布后,会基于节点的配置周期性运行,您可单击节点编辑界面右上角的运维,进入运维中心查看周期任务的调度运行情况。详情请参见查看并管理周期任务

  • 查看血缘:任务提交发布后,您可在数据地图查看任务的血缘关系(例如,查看原始数据来源及表数据最终流向的数据库相关信息),根据需求进行不同层级血缘的影响分析。详情请参见血缘查看