创建EMR Trino节点

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

  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

  2. 右键单击目标业务流程,选择新建节点 > EMR > EMR Trino

  3. 新建节点对话框中,输入名称,并选择引擎实例节点类型路径。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。

image

连接器配置

  • 查询MySQL相关表之前需要完成EMR Trino内置连接器配置,详情请参见MySQL连接器配置。

  • 查询Hive相关表之前需要完成EMR Trino内置连接器配置,详情请参见Hive连接器配置。

  • 查询其他数据源相关表数据,内置连接器配置可参见配置连接器

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};
说明

执行SQL任务

  1. 在工具栏单击高级运行图标,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,您可单击带参运行高级运行图标,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。

  2. 单击保存图标,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:

  • 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。

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。

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: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