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。
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。
在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
在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。
上传并提交、发布资源mapreduce example.jar,操作详情请参见资源管理。
关于
mapreduce example.jar
包内部的实现逻辑请参见WordCount示例。在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
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
在调试配置的计算资源中,选择配置计算资源、计算配额和DataWorks资源组。
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MaxCompute数据源,单击运行MR任务。
(可选)查询结果
在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 | +------------+------------+
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。
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