创建EMR Impala节点_大数据开发治理平台 DataWorks(DataWorks)-阿里云帮助中心

Impala是对PB级大数据进行快速、实时的交互式SQL查询引擎。本文为您介绍如何在DataWorks创建EMR Impala节点并进行数据开发。

前提条件

已创建阿里云EMR集群，并注册EMR集群至DataWorks。操作详情请参见注册EMR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。
已购买Serverless资源组并完成资源组配置，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。
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。

使用限制

仅支持使用Serverless资源组（推荐）或独享调度资源组运行该类型任务。
DataWorks目前已不支持新绑定Hadoop类型的集群，但您之前已经绑定的Hadoop集群仍然可以继续使用。

步骤一：创建EMR Impala节点

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。
新建EMR Impala节点。
1. 右键单击目标业务流程，选择新建节点 > EMR > EMR Impala。
  说明
  您也可以鼠标悬停至新建，选择新建节点 > EMR > EMR Impala。
2. 在新建节点对话框中，输入名称，并选择引擎实例、节点类型及路径。单击确认，进入EMR Impala节点编辑页面。
  说明
  节点名称支持大小写字母、中文、数字、下划线（_）和小数点（.）。

步骤二：开发EMR Impala任务

在EMR Impala节点编辑页面双击已创建的节点，进入任务开发页面，执行如下开发操作。

开发SQL代码

在SQL编辑区域开发任务代码，您可在代码中使用${变量名}的方式定义变量，并在节点编辑页面右侧导航栏的调度配置>调度参数中为该变量赋值。实现调度场景下代码的动态传参，调度参数使用详情，请参考调度参数支持的格式，示例如下。

show tables;
CREATE TABLE IF NOT EXISTS userinfo (
ip STRING COMMENT'IP地址',
uid STRING COMMENT'用户ID'
)PARTITIONED BY(
dt STRING
); 
ALTER TABLE userinfo ADD IF NOT EXISTS PARTITION(dt='${bizdate}'); --可以结合调度参数使用。
select * from userinfo ;

说明

SQL语句最大不能超过130KB。
如果您工作空间的数据开发中绑定多个EMR数据源，则需要根据业务需求选择合适的引擎。如果仅绑定一个EMR引擎，则无需选择。
如果您需要修改代码中的参数赋值，请单击界面上方工具栏的高级运行。参数赋值逻辑详情请参见运行，高级运行和开发环境冒烟测试赋值逻辑有什么区别。

（可选）配置高级参数

您可在节点高级设置处配置特有属性参数。更多属性参数设置，请参考Spark Configuration。不同类型EMR集群可配置的高级参数存在部分差异，具体如下表。

DataLake集群/自定义集群：EMR on ECS

高级参数

配置说明

FLOW_SKIP_SQL_ANALYZE

SQL语句执行方式。取值如下：

true：表示每次执行多条SQL语句。
false（默认值）：表示每次执行一条SQL语句。

说明

该参数仅支持用于数据开发环境测试运行流程。

DATAWORKS_SESSION_DISABLE

适用于开发环境直接测试运行场景。取值如下：

true：表示每次运行SQL语句都会新建一个JDBC Connection。
false（默认值）：表示用户在一个节点里运行不同的SQL语句时会复用同一个JDBC Connection。

说明

该参数配置为false时不会打印Hive的yarn applicationId，如需打印yarn applicationId，请配置该参数为true。

Hadoop集群：EMR on ECS

高级参数

配置说明

FLOW_SKIP_SQL_ANALYZE

SQL语句执行方式。取值如下：

true：表示每次执行多条SQL语句。
false（默认值）：表示每次执行一条SQL语句。

说明

该参数仅支持用于数据开发环境测试运行流程。

USE_GATEWAY

设置本节点提交作业时，是否通过Gateway集群提交。取值如下：

true：通过Gateway集群提交。
false（默认值）：不通过Gateway集群提交，默认提交到header节点。

说明

如果本节点所在的集群未关联Gateway集群，此处手动设置参数取值为true时，后续提交EMR作业时会失败。

执行SQL任务

在工具栏单击图标，在参数对话框选择已创建的调度资源组，单击运行。
说明
- 访问公共网络或VPC网络环境的数据源需要使用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。
- 如果您后续执行任务需要修改使用的资源组，您可单击带参运行图标，选择需要更换的调度资源组。
单击图标，保存编写的SQL语句。
（可选）冒烟测试。
如果您希望在开发环境进行冒烟测试，可在执行节点提交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。

步骤三：配置节点调度

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和依赖的上游节点，才可以提交节点。

步骤四：发布节点任务

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。

单击工具栏中的图标，保存节点。
单击工具栏中的图标，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和依赖的上游节点，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。