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。您可以通过开发配置EMR(E-MapReduce)Trino节点,完成海量多维数据聚合或报表分析。
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 Trino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。详情请参见配置Hive的EMR-HOOK。
若未在集群侧配置EMR-HOOK,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。
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,在顶部切换至目标地域,找到已创建的工作空间,单击操作列的管理,进入管理中心,在左侧导航栏计算资源中找到EMR集群中的账户映射,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。
操作步骤
在EMR Trino节点编辑页面,执行如下开发操作。
连接器配置
编辑SQL代码
在SQL编辑区域开发任务代码,您可在代码中使用${变量名}的方式定义变量,并在节点编辑页面右侧调度配置的调度参数中为该变量赋值。实现调度场景下代码的动态传参,调度参数使用详情,请参考调度参数支持格式,示例如下。
-- 使用方法 -- SELECT * FROM <catalog>.<schema>.<table>; -- 参数说明 -- <catalog>为要连接的数据源的名称。 -- <schema>为要使用的数据库的名称。 -- <table>为待查询的数据表。 -- 例如,如果要查看Hive数据源中默认数据库中的hive_table表的数据 -- 查Hive表 SELECT * FROM hive.default.hive_table; -- 例如,如果要查看MySQL数据源中自建数据库rt_data库中的rt_user表的数据 -- 查MySQL表 SELECT * FROM mysql.rt_data.rt_user; -- 联查Hive和MySQL表 SELECT DISTINCT a.id, a.name,b.rt_name FROM hive.default.hive_table a INNER JOIN mysql.rt_data.rt_user b ON a.id = b.id; -- 查Hive表,可以结合调度参数使用 SELECT * FROM hive.default.${table_name};
(可选)配置高级参数
如您需要调整SQL语句执行方式,可在节点调度配置的EMR节点参数中配置特有属性参数。
参数
参数说明
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。
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。
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10MB。
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