Trino是一个开源的分布式SQL查询引擎,适用于多数据源交互式分析查询。您可以通过创建EMR(E-MapReduce)Trino节点,完成海量多维数据聚合或报表分析。详情请参见Trino概述。
前提条件
已创建阿里云EMR集群,并注册EMR集群至DataWorks。
创建EMR相关节点并开发EMR任务前,您需要先将EMR集群注册至DataWorks工作空间,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资源组运行该类型任务。
DataLake或自定义集群若要在DataWorks管理元数据,需先在集群侧配置EMR-HOOK。若未配置,则无法在DataWorks中实时展示元数据、生成审计日志、展示血缘关系、开展EMR相关治理任务。配置EMR-HOOK,详情请参见配置Hive的EMR-HOOK。
Trino开启了LDAP认证的情况下,需要登录EMR所在Master机器,下载/etc/taihao-apps/trino-conf目录中的keystore文件。登录DataWorks控制台,单击进入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,在左侧导航栏集群管理中找到账户映射,点击右侧的编辑账号映射按钮,进入编辑页面,点击上传keystore文件按钮上传该文件。
步骤一:创建EMR Trino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 ,在下拉框中选择对应工作空间后单击进入数据开发。
右键单击目标业务流程,选择
。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 Trino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 Trino任务
双击已创建的节点,进入任务开发页面,执行如下开发操作。
(可选)选择EMR集群实例
若您的工作空间注册了多个EMR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EMR集群,默认使用该集群进行开发操作。
连接器配置
编辑SQL代码
在SQL编辑区域输入任务代码,示例如下。
-- 使用方法
-- SELECT * FROM <catalog>.<schema>.<table>;
-- 参数说明
-- <catalog>为要连接的数据源的名称。
-- <schema>为要使用的数据库的名称。
-- <table>为待查询的数据表。
-- 例如,如果要查看Hive数据源中默认数据库中的hive_table表的数据
-- 查Hive表
SELECT * FROM hive.default.hive_table;
-- 例如,如果要查看MySQL数据源中自建数据库rt_data库中的rt_user表的数据
-- 查MySQL表
SELECT * FROM mysql.rt_data.rt_user;
-- 联查Hive和MySQL表
SELECT DISTINCT a.id, a.name,b.rt_name FROM hive.default.hive_table a INNER JOIN mysql.rt_data.rt_user b ON a.id = b.id;
-- 查Hive表,可以结合调度参数使用
SELECT * FROM hive.default.${table_name};
DataWorks提供的调度参数可实现周期调度场景下代码动态入参,您可在节点任务中通过${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。
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。
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。
使用EMR Trino节点查询数据时,返回的查询结果最大支持10000条数据,并且数据总量不能超过10M。
单击图标,保存编写的SQL语句。
(可选)配置高级参数
如您需要调整SQL语句执行方式,可点击右侧导航栏的高级设置进行相应设置。
参数 | 参数说明 |
FLOW_SKIP_SQL_ANALYZE | SQL语句执行方式。取值如下:
|
DATAWORKS_SESSION_DISABLE | 适用于开发环境直接测试运行场景。取值如下:
|
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。
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: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。
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。