10M文件限制问题,MapReduce常见问题解答

原标题:通过简单瘦身,解决Dataworks 10M文书限制问题

摘要:大数目测算服务(马克斯Compute)的效用详解和动用体验

马克斯Compute(原ODPS) MapReduce常见问题解答,odpsmaxcompute分区

马克斯(Max)Compute Studio提高UDF和MapReduce开发体验,maxcomputemapreduce

UDF全称User Defined
Function,即用户自定义函数。马克斯(Max)Compute提供了累累内建函数来满足用户的总括必要,同时用户还足以创制自定义函数来满意定制的预计需要。用户能增加的UDF有三种:UDF(User
Defined Scalar Function),UDTF(User Defined Table Valued
Function)和UDAF(User Defined Aggregation Function)。

还要,马克斯(Max)Compute也提供了MapReduce编程接口,用户可以使用MapReduce提供的接口(Java
API)编写MapReduce程序处理马克斯Compute中的数据。

经过马克斯Compute
Studio提供的端到端的协助,用户能很快初始和熟稔开发自己的UDF和MapReduce,升高功效。上面大家就以一个事例来介绍如何利用Studio来开发自己的UDF:

摘要:
用户在DataWorks上执行MapReduce作业的时候,文件大于10M的JAR和资源文件不可能上传到Dataworks,导致力不从心选拔调度去定期执行MapReduce作业。
解决方案: jar -resources test_mr.

点此查看原文:http://click.aliyun.com/m/41384/

本文用到的

阿里云数加-大多少统计服务马克斯Compute产品地址:


创建MaxCompute Java Module

第一,你得在intellij中开创一个用来开发马克斯(Max)Compute
Java程序的module。具体的,File | new | module … module类型为马克斯Compute
Java,配置Java JDK和MaxCompute
console的安装路径,点击next,输入module名,点击finish。

此处配置console的目的紧要有五个:

  • 编写UDF和MR需求重视马克斯Compute框架的连带jar,而这个jar在console的lib目录均设有,studio能帮您将这个lib自动导入到module的器重性库中。

  • 10M文件限制问题,MapReduce常见问题解答。studio能集成console,一些动作通过console操作将非常惠及。

365bet官网 1

至此,一个能开发马克斯(Max)Compute
java程序的module已建立,如下图的jDev。主要目录包蕴:

  • src(用户支付UDF|MR程序的源码目录)
  • examples(示例代码目录,包含单测示例,用户可参看这里的事例开发协调的次第或编辑单测)
  • warehouse(本地运行必要的schema和data)

365bet官网 2

用户在DataWorks上举行MapReduce作业的时候,文件大于10M的JAR和资源文件无法上传到Dataworks,导致不可以运用调度去定期执行MapReduce作业。

前言

1. 作业应运而生ClassNotFoundException和NoClassDefFoundError卓殊失利?

A:
对于ClassNotFoundException分外,一般是依靠的class不在你的jar包中,必要把看重的库打到作业jar包中或者独立上传,并在-resources中指定;
对于NoClassDefFoundError极度,先看看器重class是不是存在于您的jar包,很多状态下是出于版本顶牛导致的,可能你依靠的库和服务端自带的jar有争论。


创建UDF

一经大家要已毕的UDF需要是将字符串转换为题写(内建函数TOLOWER已落实该逻辑,那里大家只是通过这一个简单的需求来演示如何通过studio开发UDF)。studio提供了UDF|UDAF|UDTF|Mapper|Reducer|Driver的模版,那样用户只需求编制自己的工作代码,而框架代码会由模板自动填写。

    1. 在src目录右键 new | 马克斯(Max)Compute Java

365bet官网 3

    1. 输入类名,如myudf.MyLower,选取连串,那里大家挑选UDF,点击OK。

365bet官网 4

  • 3.
    模板已自行填充框架代码,大家只需求编制将字符串转换成小写的函数代码即可。

365bet官网 5

缓解方案:

MapReduce已经有文档,用户可以参见文档使用。本文是在文档的根基上做一些接近评释及细节解释上的行事。

2. MR提交命令中-resources和-classpath的了解?

A:
在马克斯(Max)Compute中如同MR那类分布式数据处理框架,用户的代码一般在以下七个地方实施:

  • 运转客户端的历程/子进度:这里的用户代码负责准备实施环境、配置职分参数、提交义务,入口寻常是main
    class。它不受沙箱限制,执行逻辑由用户代码驱动。同样的,那里的classpath由用户配置,或在console中选取-classpath选项添加器重的classpath路径。
  • 长距离执行的worker进程:那里的代码负责履行多少处理逻辑,入口是mapper/reducer
    class。它受限沙箱限制,且执行逻辑由马克斯Compute框架驱动。用户在命令行配置的-classpath在此地不算(显著,远程机器的路子和客户端机器的路子不可以确保平等),任何第三方器重必须作为resource提前上传至马克斯Compute,并在提交任务时使用-resources选项或JobConf.setResources(String[])来设定。

测试UDF

UDF或MR开发好后,下一步就是要测试自己的代码,看是或不是切合预期。studio提供二种测试方法:

第一步:大于10M的resources通过马克斯(Max)Compute CLI客户端上传,

效用介绍

3. Mapper数目怎么样设置?

A:借使没有输入表是可以平素指定map数目setNumMapTasks
   
有输入表的话,setNumMapTasks不见效,须求通过setSplitSize来控制map数,默认是256M。


单元测试

依靠于马克斯Compute提供的Local
Run框架,您只要求像写普通的单测那样提供输入数据,断言输出就能便宜的测试你协调的UDF或MR。在examples目录下会有各样别型的单测实例,可参考例子编写自己的unit
test。那里大家新建一个MyLowerTest的测试类,用于测试大家的MyLower:

365bet官网 6

客户端下载地址:

MapReduce

4. Reducer数目如何设置?

A: 通过JobConf的接口setNumReduceTasks可以安装。
对此pipeline作业,Jobconf的接口同样可以设置,只然则设置后所有reduce阶段的个数都是一模一样的值。
假诺要分等级设置,设置格局如下:
Pipeline pipeline = Pipeline.builder()
.addMapper(TokenizerMapper.class)

.addReducer(SumReducer.class).setNumTasks(5)

.addReducer(IdentityReducer.class).setNumTasks(1).createPipeline();


sample数据测试

很多用户的须求是能sample部分线上表的数码到本机来测试,而那studio也提供了支撑。在editor中UDF类MyLower.java上右键,点击”运行”菜单,弹出run
configuration对话框,配置马克斯Compute
project,table和column,那里大家想将hy_test表的name字段转换为小写:

365bet官网 7

点击OK后,studio会先经过tunnel自动下载表的sample数据到当地warehouse(如图中高亮的data文件),接着读取指定列的数量并本地运行UDF,用户可以在控制台看到日志输出和结果打印:

365bet官网 8

客户端配置AK、EndPoint:

365bet官网 9

5. 报错java.lang.OutOfMemoryError: Java heap space,MR的内存设置问题?

A:mapper或reducer的内存由两有的构成,JVM的heap memory和JVM
之外的框架相关内存。
   
设置JVM内存的接口是(都是Java逻辑的话,调节内存是用上面三个接口):
    setMemoryForMapperJVMsetMemoryForReducerJVM (默认是1024
单位MB)
    设置框架内存(c++部分的)的接口是(一般不须要设置):
    setMemoryForMapTasksetMemoryForReduceTask(默认是2048 单位MB)


发布UDF

好了,大家的MyLower.java测试通过了,接下去大家要将其卷入成jar资源(这一步可以通过IDE打包,参考用户手册)上盛传马克斯Comptute服务端上:

    1. 在马克斯Compute菜单选用Add Resource菜单项:

365bet官网 10

    1. 选拔要上传出哪个马克斯Compute
      project上,jar包路径,要注册的资源名,以及当资源或函数已存在时是或不是强制更新,然后点击OK。

365bet官网 11

  • 3.
    jar包上传成功后,接下去就足以注册UDF了,在马克斯Compute菜单采用Create
    Function菜单项。

365bet官网 12

  • 4.
    取舍要求使用的资源jar,选拔主类(studio会自动分析资源jar中包罗的主类供用户拔取),输入函数名,然后点击OK。

365bet官网 13

add jar C:\test_mr\test_mr.jar -f;//添加资源

说起MapReduce就必需WordCount,我专门欣赏文档里的这么些图片。

6. mr 输出到表或某个分区里时,输出的方式时增加仍旧覆盖 ?

A: 会覆盖输出表或分区从前的始末


生产应用

上传成功的jar资源和登记成功的function(在Project
Explorer相应project下的Resources和Functions节点中就能即时看到,双击也能显得反编译的源码)就可以实际生育应用了。大家开辟studio的sql
editor,就能欣然的利用大家刚写好的mylower函数,语法高亮,函数签名突显都无足轻重:

365bet官网 14

第二步:近来因而马克斯Compute
CLI上传的资源,在Dataworks左边资源列表是找不到的,只可以通过list
resources查看确认资源;

譬如有一张很大的表。表里有个String字段记录的是用空格分割开单词。最终索要总计所有记录中,每个单词出现的次数是不怎么。这完全的测算流程是

7. 二次排序作用,MR相关安排解释,setMapOutputKeySchema? setOutputKeySortColumns? setPartitionColumns? setOutputGroupingColumns?

A:
经常状态下,GroupingColumns包涵在KeySortColumns中,KeySortColumns和PartitionColumns要含有在Key
schema中。

  • 在Map端,Mapper输出的Record会依据设置的PartitionColumns计算哈希值,决定分配到哪个Reducer,会依据KeySortColumns对Record举行排序。
  • 在Reduce端,输入Records在安分守己KeySortColumns排序好后,会基于GroupingColumns指定的列对输入的Records举行分组,即会相继遍历输入的Records,把GroupingColumns所指定列相同的Records作为四次reduce函数调用的输入。

MapReduce

studio对MapReduce的用度流程帮助与费用UDF基本接近,首要不一样有:

  • MapReduce程序是作用于整张表的,而且输入输出表在Driver中已指定,由此只要拔取sample数据测试的话在run
    configuration里只须要指定project即可。

  • MapReduce开发好后,只需求打包成jar上传资源即可,没有登记这一步。

  • 对此MapReduce,若是想在生养实际运行,可以透过studio无缝集成的console来已毕。具体的,在Project
    Explorer Window的project上右键,选用Open in
    Console,然后在console命令行中输入类似如下的吩咐:
    jar -libjars wordcount.jar -classpath D:\odps\clt\wordcount.jar
    com.aliyun.odps.examples.mr.WordCount wc_in wc_out;

list resources;//查看资源

输入阶段:依照工作量,生成多少个Mapper,把这一个表的多少分配给这一个Mapper。每个Mapper分配到表里的一部分记录。

8. 请问mr job的map或者reduce若是想提前终止job, 执行如何代码?

A:
抛非凡就可以,例如throw new RuntimeException("XXX"); 会导致job失利,job也就归西了。


关于MaxCompute

迎接加入马克斯(Max)Compute钉钉群商讨
365bet官网 15

阅读原文请点击

Studio升高UDF和MapReduce开发体验,maxcomputemapreduce UDF全称User
Defined
Function,即用户自定义函数。马克斯Compute提供了很多内建函数来满意用…

其三步:瘦身Jar,因为Dataworks执行MR作业的时候,一定要当地执行,所以保留个main就足以;

Map阶段:每个Mapper针对每条数据,解析其中的字符串,用空格切开字符串,得到一组单词。针对内部每个单词,写一条记下

9. 请问map阶段有时候为啥会有interrupted,不过map 最后依然完毕了?

A:因为有backup instance在跑,暴发backup instance一般是因为有少数map
instances显著慢于其他的,就会在其余机器上启动一个一样的worker来跑,那些成效类似于hadoop的展望执行,只要其中某个成功跑完,其余的就足以停掉了(变为interrupted)


365bet官网 16

Shuffle阶段-合并排序:也是暴发在Mapper上。会先对数码进行排序。比如WordCount的例证,会基于单词举行排序。排序后的合并,又称Combiner阶段,因为前边已经依照单词排序过了,相同的单词都是连在一起的。那可以把2个相邻的集合成1个。Combiner可以减去在继续Reduce端的计算量,也得以削减Mapper往Reducer的数目传输的工作量。

10. mr如何得到输入表的消息?

A:
参考:
使用Mapper.TaskContext的接口getInputTableInfo(),会得到输入表的TableInfo对象
各样map
worker只会处理来自单一表或分区的数额,在mapper的setup阶段得到该音讯即可。


通过上述方法,大家得以在Dataworks上跑大于10M的MR作业。

Shuffle阶段-分配Reducer:把Mapper输出的单词分发给Reducer。Reducer获得数码后,再做一遍排序。因为Reducer获得的数据已经在Mapper里已经是排序过的了,所以这边的排序只是针对性排序过的数目做联合排序。

11. 如何利用自定义partitioner ?

A: 参考如下代码:

import com.aliyun.odps.mapred.Partitioner;

...

public static class MyPartitioner extends Partitioner {

@Override
public int getPartition(Record key, Record value, int numPartitions) {
  // numPartitions即对应reducer的个数
  // 通过该函数决定map输出的key value去往哪个reducer
  String k = key.get(0).toString();
  return k.length() % numPartitions;
}
}

在jobconf里展开安装:jobconf.setPartitionerClass(MyPartitioner.class)
别的要求在jobconf里明确指定reducer的个数:jobconf.setNumReduceTasks(num)


作者:隐林

Reduce阶段:Reducer拿前边已经排序好的输入,相同的单词的具有输入进去同一个Redue循环,在循环里,做个数的拉长。

12. 怎样设置Key排种类的相继(ASC or DESC)?

A: 类似如下: 
//key按这么些列排序
job.setOutputKeySortColumns(new String[] { "custid", "msgtype","amount" });
//设置每个列正序依旧倒序
job.setOutputKeySortOrder(new SortOrder[]{SortOrder.ASC,SortOrder.ASC,SortOrder.DESC});


​本文为云栖社区原创内容,未经允许不得转载。再次回到微博,查看越来越多

输出阶段:输出Reduce的估计结果,写入到表里或者重回给客户端。

13. 报错kInstanceMonitor提姆(Tim)eout, usually caused by bad udf performance,怎么化解?

A:
报那一个错的来由是mapper或者reducer有逻辑执行时间专程长,且尚未从输入表的读数据或者写出多少,超越默许10min后,会报这些充裕;有三种缓解方法:

  • 将过期的时日调的更长一些,可以安装参数odps.function.timeout抑或安装JobConf#setFunctionTimeout,最长可以设置为3600,即一个小时。
  • 限期向框架汇报心跳 TaskContext#progress(),注意progress不要调用过于频仍,否则有总体性问题,能担保四遍调用之间的时日低于设置的timeout时间即可。

权利编辑:

拓展MapReduce

14. 框架map或者reduce接口里的Record对象是复用的?

A:是的,为了减小对象的付出,框架对于map,
reduce接口里的Record对象是复用的,也就是说每便map或者reduce的每一次迭代,Record对象没有变,只是其中的数码变动了。如若要保存上四遍的Record必要toArray()获得里面的数据对象开展保存。具体可以参照:


若是Reduce前边还亟需做进一步的Reduce总括,可以用拓展MapReduce模型(简称MRR)。MRR其实就是Reduce阶段停止后,不直接出口结果,而是再一次经过Shuffle后接其它一个Reduce。

15. 写完一条记下后,想把outputRecord里面的多寡清空,这么些要怎么弄,要不然,再写下一条记下的时候,假若某个字段没有值,就会用原来的记录填充?

   
A:倘若写的Record对象是复用的,即使某个值没有新set,则依然封存着前面的值对象。近来从不一贯可以清空的api可以用,可以通过Record.getColumnCount获得column
count,用一个for 循环去一一set null即可。


Q:如何落到实处M->R->M->R那种逻辑吗

16. MR扶助多路输入输出,应该怎么写那样的主次?

    A:参考:多路输入输出示例
对于多路输入,每个输入源对应单独的一个Map阶段,即一个map
task只会读取一个输入表的数码。可以指定一个表的千家万户分区列来作为一个输入,例如a,
b, c三分区列,指定分区时得以指定a=1/b=1/c=2类似那样。
   
假如同样级其他三个分区,则必要各自作为单身的分区输入,例如一个表的a=1和a=3分区作为多路输入的俩不相同的输入,需求各自指定。
    maponly的功课也同等支撑多路输入输出,达成方式类似。


A:在Reduce代码里直接嵌套上Map的逻辑就可以了,把第三个M的干活在前一个R里完毕,而不是当做总计引擎调度范围上的一个单独步骤,比如

17. sdk怎么样通过instance获取logview url?

A: 可以应用如下的章程得到logview的url

RunningJob rj = JobClient.runJob(job);
com.aliyun.odps.Instance instance = SessionState.get().getOdps().instances().get(rj.getInstanceID());
String logview = SessionState.get().getOdps().logview().generateLogView(instance, 7 * 24);
System.out.println(logview);

reduce(){

18.  MR作业怎样指定输入表的Project名字?

A: 可以按如下的方法指定:

InputUtils.addTable(TableInfo.builder().projectName("test_project_name").tableName("test_table_name").build(), job);

通过TableInfo.builder()projectName接口来指定,假使不指定,默许值是在运作MR作业的万分project.


    …

19. 不等的Mapper或者Reducer如何得到可分其他ID?

A:
有些事情场景需要区分差其余Mapper或Reducer,可以透过TaskContextgetTaskID接口获取到一个Mapper/Reducer独有的id。

String id = context.getTaskID().toString();

    map();

20. MR代码里有JNI的调用该怎么写?

A:首先project要开通jni的连带权限,在编译准备好so文件后,须求将so以file类型的样式丰盛为Resource,并在MR作业提交的时候-resources参数里指定,例如:

add file libtestjni.so as libtestjni.so -f;
jar -resources testmr.jar,libtestjni.so -classpath testmr.jar Test.MRDriver xxx xxx;

在MR的java代码应用jni的时候要专注,使用办法如下:

System.loadLibrary("testjni");    // 这里不要写成libtestjni.so,否则会报错,原因是java会自动添加lib前缀和.so后缀的

jni的施用方法可以参见:


}

21. MR作业读取表资源,Archive资源应该怎么着操作?

A: 马克斯(Max)Compute上的资源(file, table,
archive等)能够类比于Hadoop的DistributedCache来了解,同样是会散发到每个总括节点上去,worker再从当地来读取,因此资源文件不可能过大,否则分发资源就是一个瓶颈,近日默认有2G的总资源大小限制。
读取资源表,Archive资源总体上来说和读取file类型资源是近乎的,只是使用的接口差距。读取资源文件的主意可以参照文档:使用资源示例

对此表资源:
将表添加为资源表: add table xxx as xxx -f;
读资源表的接口为:TaskContext#readResourceTable

对于Archive资源:
将地方archive(.tar, .zip等archive文件)上传为资源: add archive as xxx
-f;
读archive资源的接口为:TaskContext#readResourceArchiveAsStream


…不断更新中…

MapReduce常见问题解答,odpsmaxcompute分区 本文用到的
阿里云数加-大数据测算服务马克斯Compute产品地址:…

立时起头

运转条件

工欲善其事,必先利其器。MR的费用提供了按照IDEA和Eclipse的插件。其中相比较推荐用IDEA的插件,因为IDEA我们还在不断做迭代,而Eclipse已经甘休做立异了。而且IDEA的机能也比较足够。

具体的插件的装置格局步骤可以参考文档,本文不在赘言。

除此以外后续还亟需用到客户端,可以参考文档安装。

屡次三番为了进一步驾驭地印证问题,我会尽量地在客户端上操作,而不用IDEA里早就集成的措施。

线上运行

以WordCount为例,文档可以参考这里

步骤为

做多少准备,包蕴创设表和利用Tunnel命令行工具导入数据

将代码拷贝到IDE里,编译打包成mapreduce-examples.jar

在odpscmd里执行add jar命令:

add jar /JarPath/mapreduce-examples.jar -f;

那里的/JarPath/mapreduce-examples.jar的途径要替换费用地实际的文书路径。这一个命令能把当地的jar包传到服务器上,-f是一旦已经有同名的jar包就覆盖,实际行使中对此是报错仍然覆盖须求谨慎考虑。

在odpscmd里执行

`jar -resources mapreduce-examples.jar -classpath
mapreduce-examples.jar

com.aliyun.odps.mapred.open.example.WordCount wc_in wc_out`

等待作业执行成功后,可以在SQL通过查询wc_out表的数据,看到举行的结果

功用解读

义务交给

任务的是在马克斯Comput(ODPS)上运行的,客户端通过jar命令发起呼吁。

相对而言前边的飞快初阶,可以看出除了数据准备阶段,和MR相关的,有资源的上传(add
jar步骤)和jar命令启动MR作业两步。

客户端发起add jar/add
file等资源操作,把在客户端的机器(比如我测试的时候是从我的记录本)上,运行职务涉及的资源文件传到服务器上。那样后边运行职责的时候,服务器上才能有照应的代码和文件可以用。若是原先曾经传过了,这一步可以简简单单。

jar -resources mapreduce-examples.jar -classpath mapreduce-examples.jar
com.aliyun.odps.mapred.open.example.WordCount wc_in wc_out

以此命令发起作业。MapReduce的职务是运作在马克斯Compute集群上的,客户端需求通过这么些命令把职责运行相关的音信告知集群。

客户端先解析-classpath参数,找到main方法有关的jar包的地方

根据com.aliyun.odps.mapred.open.example.WordCount,找到main方法所在类的途径和名字

wc_in wc_out是传给main方法的参数,通过解析main方法传入参数String[]
args获得那一个参数

365bet官网 ,-resources告诉服务器,在运作义务的时候,须要运用的资源有怎样。

JobConfig

JobConf定义了那个职务的底细,依然那几个图,解释一下JobConf的其它装置项的用法。

输入数据

InputUtils.addTable(TableInfo table, JobConf conf)设置了输入的表。

setSplitSize(long size)通过调整分片大小来调动Mapper个数,单位
MB,默许256。Mapper个数不经过void setNumMapTasks(int n)设置。

setMemoryForJVM(int mem)设置 JVM虚拟机的内存资源,单位:MB,默许值 1024.

Map阶段

setMapperClass(Class theClass)设置Mapper使用的Java类。

setMapOutputKeySchema(Column[] schema)设置 Mapper 输出到 Reducer 的
Key 行属性。

setMapOutputValueSchema(Column[] schema)设置 Mapper 输出到 Reducer 的
Value 行属性。和上个设置一起定义了Mapper到Reducer的多寡格式。

Shuffle-合并排序

setOutputKeySortColumns(String[] cols)设置 Mapper 输出到 Reducer 的
Key 排序列。

setOutputKeySortOrder(JobConf.SortOrder[] order)设置 Key
排体系的次第。

setCombinerOptimizeEnable(boolean
isCombineOpt)设置是不是对Combiner举办优化。

setCombinerClass(Class theClass)设置作业的 combiner。

Shuffle-分配Reduce

setNumReduceTasks(int n)设置 Reducer 任务数,默许为 Mapper 职责数的
1/4。若是是Map
only的职分,必要安装成0。可以参见这里。

setPartitionColumns(String[]
cols)设置作业的分区列,定义了数量分配到Reducer的分红政策。

Reduce阶段

setOutputGroupingColumns(String[]
cols)数据在Reducer里排序好了后,是怎么样数据进入到同一个reduce方法的,就是看这里的装置。一般的话,设置的和setPartitionColumns(String[]
cols)一样。可以看来二次排序的用法。

setReducerClass(Class theClass)设置Reducer使用的Java类。

数据输出

setOutputOverwrite(boolean
isOverwrite)设置对输出表是还是不是开展覆盖。类似SQL里的Insert into/overwrite
Talbe的分别。

OutputUtils.addTable(TableInfo table, JobConf
conf)设置了出口的表。多路输入输出可以参见这里。

其他

void setResources(String
resourceNames)有和jar命令的-resources一样的法力,可是优先级高于-resources(也就是说代码里的设置优先级相比较高)

最终通过JobClient.runJob(job);客户端往服务器发起了那个MapReduce作业。

详细的SDK的文档,可以在Maven里下载。这是下载地址。

Map/Reduce

读表

在一个Mapper里,只会读一张表,分裂的表的数据会在差别的Mapper
worker上运行,所以可以用示例里的这几个主意先取得那个Mapper读的是何许表。

资源表/文件

资源表和文书可以让有些小表/小文件能够便宜被读取。鉴于读取数据的限制内需小于64次,一般是在setup里读取后缓存起来,具体的例证能够参考这里。

生产及周期调度

职责交给

客户端做的就是给服务器发起任务的调度的授命。从前提到的jar命令就是一种办法。鉴于实际上运行景况的多样性,这里介绍任何的两种常见格局:

odpscmd
-e/-f:odpscmd的-e命令可以在shell脚本里一直运行一个odpscmd里的下令,所以可以在shell脚本里运行odpscmd
-e ‘jar -resources
xxxxxx’那样的命令,在shell脚本里调用MapReduce作业。一个完好无缺的例证是

odpscmd  -u accessId  -p  accessKey  –project=testproject
–endpoint=  -e “jar -resources
aaa.jar -classpath ./aaa.jar com.XXX.A”

设若在odpscmd的陈设文件里早已配备好了,这只必要写-e的局地。

-f和-e一样,只是把命令写到文件里,然后用odpscmd -f
xxx.sql引用这么些文件,那这几个文件里的三个指令都会被实施。

大数量开发套件可以配备MapReduce作业。

大数据开发套件可以配备Shell作业。可以在Shell作业里参考上边的主意用odpscmd
-e/-f来调度MapReduce作业。

在JAVA代码里一向调用MapReduce作业,可以经过设置SessionState.setLocalRun(false); 已毕,具体可以参见这里。

定时调度

大数量开发套件的定时任务/工作流可以配备调度周期和任务信赖,合作前边提到的章程里的MapReduce作业/Shell作业,完成职分的调度。

出品范围

平安沙箱

沙箱是马克斯Compute的一套安全系统,使得在马克斯(Max)Compute上运行的作业不可能取得其他用户的消息,也不知所可得到系统的部分音讯。紧要包含以下几点,完整的列表可以参见文档

不能访问外部数据源(不可能当爬虫,不可以读RDS等)

无法起多线程/多进度

不支持反射/自定义类加载器(所以不扶助部分第三方包)

不允许读本地文件(比如JSON里就用到了,就须求改用GSON)

不允许JNI调用

其余限制

详见马克斯(Max)Compute MR
限制项汇总

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注