MaxCompute MR节点

更新时间:2025-02-06 03:24:46

MaxCompute提供MapReduce编程接口。您可以通过创建MaxCompute MR类型节点并提交任务调度,使用MapReduce Java API编写MapReduce程序来处理MaxCompute中的大规模数据集。

前提条件

  • (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

  • 上传并发布使用的资源,详情请参见资源管理

  • 创建MaxCompute MR节点,详情请参见创建任务节点

说明

您需要上传并发布使用的资源后,再创建MaxCompute MR节点。

背景信息

MapReduce是一个分布式计算框架,它将用户编写的业务逻辑代码与内置组件结合,形成一个完整的分布式程序,并发运行在一个Hadoop集群上。MaxCompute提供两个版本的MapReduce编程接口:详情请参见MapReduce

  • MaxCompute MapReduce:MaxCompute的原生接口,执行速度快、开发快捷、不暴露文件系统。

  • MaxCompute扩展MapReduce(MR2):对MaxCompute MapReduce的扩展,支持更复杂的作业调度逻辑。MapReduce的实现方式与MaxCompute原生接口一致。

DataWorks中,您可以通过MaxCompute MR节点实现MaxCompute MapReduce任务的调度运行,以及与其他作业的集成操作。

使用限制

MaxCompute MR节点的使用限制请参见使用限制

操作步骤

  1. MaxCompute MR节点编辑页面,执行如下开发操作。

    开发MR代码

    以下以一个简单示例为您介绍MaxCompute MR节点的使用:统计wc_in表中各字符串出现的次数,并将结果写入wc_out表。

    1. 上传并提交、发布资源mapreduce example.jar,操作详情请参见资源管理

      说明

      关于mapreduce example.jar包内部的实现逻辑请参见WordCount示例

    2. MaxCompute MR节点输入以下示例代码。

      --创建输入表。
      CREATE TABLE IF NOT EXISTS wc_in (key STRING, VALUE STRING);
      --创建输出表。
      CREATE TABLE IF NOT EXISTS wc_out (key STRING, cnt BIGINT);
          ---创建系统dual。
          DROP TABLE IF EXISTS dual;
          CREATE TABLE dual(id BIGINT); --如果工作空间不存在该伪表,则需要创建并初始化数据。
          ---向系统伪表初始化数据。
          INSERT OVERWRITE TABLE dual SELECT count(*) FROM dual;
          ---向输入表wc_in插入示例数据。
          INSERT OVERWRITE TABLE wc_in SELECT * FROM (
          SELECT 'project','val_pro' FROM dual 
          UNION ALL 
          SELECT 'problem','val_pro' FROM dual
          UNION ALL 
          SELECT 'package','val_a' FROM dual
          UNION ALL 
          SELECT 'pad','val_a' FROM dual
            ) b;
      -- 引用刚刚上传的JAR包资源,可以在资源管理栏中找到该资源,右键引用资源。
      --@resource_reference{"mapreduce-examples.jar"}
      jar -resources mapreduce-examples.jar -classpath ./mapreduce-examples.jar com.aliyun.odps.mapred.open.example.WordCount wc_in wc_out
      说明

      代码说明如下:

      • --@resource_reference:您可以在资源管理中右键单击资源名称,选择引用资源,即可自动产生该条语句。

      • -resources:引用到的JAR资源文件名。

      • -classpath:JAR包的路径。由于已经引用了资源,此处路径统一为./下的JAR包。

      • com.aliyun.odps.mapred.open.example.WordCount:执行过程调用JAR中的主类,需要和JAR中的主类名称保持一致。

      • wc_in:MR的输入表名称,已在上述代码中提前创建。

      • wc_out:MR的输出表名称,已在上述代码中提前创建。

      • 一个MR调用多个JAR资源时,classpath写法为-classpath ./xxxx1.jar,./xxxx2.jar,即两个路径之间用英文逗号(,)分隔。

    执行MR任务

    1. 调试配置计算资源中,选择配置计算资源、计算配额DataWorks资源组

      说明

      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MaxCompute数据源,单击运行MR任务。

    (可选)查询结果

    MaxCompute SQL节点中查询输出表wc_out的数据。

    SELECT * FROM wc_out;

    返回结果:

    +------------+------------+
    | key        | cnt        |
    +------------+------------+
    | package    | 1          |
    | pad        | 1          |
    | problem    | 1          |
    | project    | 1          |
    | val_a      | 2          |
    | val_pro    | 2          |
    +------------+------------+
  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

相关文档

更多场景的ODPS MR任务开发,请参见:

常见问题:您可了解MR任务执行过程中的常见问题,便于出现异常时快速排查解决。详情可参见MapReduce常见问题

  • 本页导读 (1)
  • 前提条件
  • 背景信息
  • 使用限制
  • 操作步骤
  • 相关文档