EMR Impala节点

更新时间:2025-02-06 05:22:06

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

  1. EMR Impala节点编辑页面,执行如下开发操作。

    开发SQL代码

    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Hiveyarn 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

    1. 调试配置计算资源中,选择配置计算资源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CU0.25

      • 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

    2. 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。

    3. 单击保存节点任务。

  2. 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

  3. 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

  4. 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

  • 本页导读 (1)
  • 前提条件
  • 使用限制
  • 操作步骤
AI助理

点击开启售前

在线咨询服务

你好,我是AI助理

可以解答问题、推荐解决方案等