EMR Presto节点

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。

• 已创建EMR Presto节点，详情请参见创建任务节点。

使用限制

• 仅数据湖集群（Hadoop）支持使用EMR Presto节点进行任务开发，新版数据湖集群（DataLake）和自定义集群（Custom）不支持。

• 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。

• 数据血缘：当前EMR Presto节点的任务不支持产出血缘关系。

操作步骤

1. 在EMR Presto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。

   select '${var}'; --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。

   • 使用EMR Presto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。

   （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。

   Hadoop集群：EMR on ECS

   高级参数	配置说明
   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，可将该参数配置为true。
   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。
   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。

   执行SQL任务

   1. 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。

   2. 在工具栏的参数对话框中选择对应的数据源，单击运行SQL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。