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。
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EMR Impala节点，详情请参见创建任务节点。

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。

操作步骤

在EMR Impala节点编辑页面，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调度配置的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。

（可选）配置高级参数

您可在节点调度配置的EMR节点参数中配置特有属性参数。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

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。
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`，请将该参数设置为`true`。
priority	优先级，默认为1。
queue	提交作业的调度队列，默认为default队列。关于EMR YARN说明，详情请参见队列基础配置。

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

在调试配置的计算资源中，选择配置计算资源和DataWorks资源组。
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。
- 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。
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。
说明
使用EMR Impala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10MB。
单击保存节点任务。

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。
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。
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。