通过简单瘦身,解决Dataworks 10M文件限制问题【网赌平台哪个信誉好】

第一步:大于10M的resources通过MaxCompute CLI客户端上传,

详细的SDK的文档,可以在Maven里下载。这是下载地址

网赌平台哪个信誉好 1

拓展MapReduce

list resources;//查看资源

OutputUtils.addTable(TableInfo table, JobConf
conf)设置了输出的表。多路输入输出可以参考这里

​本文为云栖社区原创内容,未经允许不得转载。返回搜狐,查看更多

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

第三步:瘦身Jar,因为Dataworks执行MR作业的时候,一定要本地执行,所以保留个main就可以;

沙箱是MaxCompute的一套安全体系,使得在MaxCompute上运行的作业无法获得其他用户的信息,也无法获得系统的一些信息。主要包括以下几点,完整的列表可以参考文档

客户端配置AK、EndPoint:https://help.aliyun.com/document\_detail/27804.html

详见MaxCompute MR
限制项汇总

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

Shuffle阶段-合并排序:也是发生在Mapper上。会先对数据进行排序。比如WordCount的例子,会根据单词进行排序。排序后的合并,又称Combiner阶段,因为前面已经根据单词排序过了,相同的单词都是连在一起的。那可以把2个相邻的合并成1个。Combiner可以减少在后续Reduce端的计算量,也可以减少Mapper往Reducer的数据传输的工作量。

原标题:通过简单瘦身,解决Dataworks 10M文件限制问题

步骤为

解决方案:

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

摘要:
用户在DataWorks上执行MapReduce作业的时候,文件大于10M的JAR和资源文件不能上传到Dataworks,导致无法使用调度去定期执行MapReduce作业。
解决方案: jar -resources test_mr.

其他限制

客户端下载地址:https://help.aliyun.com/document\_detail/27971.html

线上运行

用户在DataWorks上执行MapReduce作业的时候,文件大于10M的JAR和资源文件不能上传到Dataworks,导致无法使用调度去定期执行MapReduce作业。

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的数据格式。

责任编辑:

无法访问外部数据源(不能当爬虫,不能读RDS等)

网赌平台哪个信誉好,作者:隐林

输入阶段:根据工作量,生成几个Mapper,把这些表的数据分配给这些Mapper。每个Mapper分配到表里的一部分记录。

第二步:目前通过MaxCompute
CLI上传的资源,在Dataworks左侧资源列表是找不到的,只能通过list
resources查看确认资源;

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

通过上述方法,我们可以在Dataworks上跑大于10M的MR作业。

任务提交

安全沙箱

setCombinerClass(Class theClass)设置作业的 combiner。

如果Reduce后面还需要做进一步的Reduce计算,可以用拓展MapReduce模型(简称MRR)。MRR其实就是Reduce阶段结束后,不直接输出结果,而是再次经过Shuffle后接另外一个Reduce。

其他

Reduce阶段

功能介绍

不允许读本地文件(比如JSON里就用到了,就需要改用GSON)

void setResources(String
resourceNames)有和jar命令的-resources一样的功能,但是优先级高于-resources(也就是说代码里的设置优先级比较高)

    map();

说起MapReduce就少不了WordCount,我特别喜欢文档里的这个图片。

这个命令发起作业。MapReduce的任务是运行在MaxCompute集群上的,客户端需要通过这个命令把任务运行相关的信息告诉集群。

输出阶段:输出Reduce的计算结果,写入到表里或者返回给客户端。

最后通过JobClient.runJob(job);客户端往服务器发起了这个MapReduce作业。

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

在一个Mapper里,只会读一张表,不同的表的数据会在不同的Mapper
worker上运行,所以可以用示例里的这个方法先获得这个Mapper读的是什么表。

Reduce阶段:Reducer拿前面已经排序好的输入,相同的单词的所有输入进入同一个Redue循环,在循环里,做个数的累加。

资源表和文件可以让一些小表/小文件可以方便被读取。鉴于读取数据的限制需要小于64次,一般是在setup里读取后缓存起来,具体的例子可以参考这里

输入数据

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

JobConfig

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

odpscmd
-e/-f:odpscmd的-e命令可以在shell脚本里直接运行一个odpscmd里的命令,所以可以在shell脚本里运行odpscmd
-e ‘jar -resources
xxxxxx’这样的命令,在shell脚本里调用MapReduce作业。一个完整的例子是

工欲善其事,必先利其器。MR的开发提供了基于IDEA和Eclipse的插件。其中比较推荐用IDEA的插件,因为IDEA我们还在持续做迭代,而Eclipse已经停止做更新了。而且IDEA的功能也比较丰富。

任务的是在MaxComput(ODPS)上运行的,客户端通过jar命令发起请求。

这里的/JarPath/mapreduce-examples.jar的路径要替换成本地实际的文件路径。这个命令能把本地的jar包传到服务器上,-f是如果已经有同名的jar包就覆盖,实际使用中对于是报错还是覆盖需要谨慎考虑。

如果在odpscmd的配置文件里已经配置好了,那只需要写-e的部分。

setCombinerOptimizeEnable(boolean
isCombineOpt)设置是否对Combiner进行优化。

}

Map阶段:每个Mapper针对每条数据,解析里面的字符串,用空格切开字符串,得到一组单词。针对其中每个单词,写一条记录

-f和-e一样,只是把命令写到文件里,然后用odpscmd -f
xxx.sql引用这个文件,那这个文件里的多个指令都会被执行。

前言

在odpscmd里执行

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

做数据准备,包括创建表和使用Tunnel命令行工具导入数据

大数据开发套件可以配置Shell作业。可以在Shell作业里参考上面的方法用odpscmd
-e/-f来调度MapReduce作业。

功能解读

JobConf定义了这个任务的细节,还是这个图,解释一下JobConf的其他设置项的用法。

资源表/文件

相关文章

You can leave a response, or trackback from your own site.

Leave a Reply

网站地图xml地图