Apache Kyuubi是一个分布式和多租户网关,为数据湖查询引擎(例如Spark、Flink或Trino等)提供SQL等查询服务。DataWorks的EMR Kyuubi节点可进行Kyuubi任务的开发和周期性调度,以及与其他作业的集成操作。本文为您介绍如何配置使用EMR Kyuubi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。
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。
已创建EMR Kyuubi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。
操作步骤
在EMR Kyuubi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${变量名}的方式定义变量,并在节点编辑页面右侧调度配置的调度参数中为该变量赋值。实现调度场景下代码的动态传参,调度参数使用详情,请参考调度参数支持格式,示例如下。
SHOW TABLES; SELECT * FROM kyuubi040702 WHERE age >= '${a}'; --可以结合调度参数使用。
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。
高级参数
配置说明
高级参数
配置说明
queue
提交作业的调度队列,默认为
default
队列。若注册EMR集群至DataWorks工作空间配置了工作空间级别的YARN资源队列,则Kyuubi任务运行时选择调度队列的规则如下:
全局配置是否优先配置为是:使用注册EMR集群时配置的调度队列。
未配置全局配置是否优先:使用EMR Kyuubi节点配置的调度队列。
关于EMR YARN的说明,请参见队列基础配置;注册EMR集群时的队列配置,请参见设置全局YARN资源队列。
priority
优先级,默认为1。
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。
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。
该参数配置为
false
时不会打印Hive的yarn applicationId
,如需打印yarn applicationId
,请将该参数配置为true
。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。
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数据源,单击运行SQL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。
- 本页导读 (1)
- 前提条件
- 使用限制
- 操作步骤