文档首页/ 数据治理中心 DataArts Studio/ 最佳实践/ 数据开发进阶实践/ 获取SQL节点的输出结果值

更新时间：2026-08-07 GMT+08:00

获取SQL节点的输出结果值

当您在数据开发模块进行作业开发，需要获取SQL节点的输出结果值，并将结果应用于后续作业节点或判断时，可参考本教程获取SQL节点的输出结果。

场景说明

使用EL表达式#{Job.getNodeOutput("前一节点名")}获取的前一节点的输出结果时，输出结果为二维数组形式，形如[["Dean",...,"08"],...,["Smith",...,"53"]]所示。为获取其中的值，本案例提供了如表1所示的两个常见方法示例。

表1 获取结果值常见方法
方法	关键配置	适用场景要求
通过StringUtil提取输出结果值	当SQL节点的输出结果只有一个字段，形如[["11"]]所示时，可以通过StringUtil内嵌对象EL表达式分割二维数组，获取前一节点输出的字段值： #{StringUtil.split(StringUtil.split(StringUtil.split(Job.getNodeOutput("前一节点名"),"]")[0],"[")[0],"\\"")[0]} 说明：使用Subjob算子时，如果要把前一个SQL节点的执行结果传给子作业时，则子作业参数的表达式应为：#{StringUtil.split(StringUtil.split(StringUtil.split(Job.getNodeOutput("前一节点名"),"]")[0],"[")[0],"\"")[0]}，否则会执行报错。	通过StringUtil提取输出结果值配置简单，但对适用场景有如下要求：前一SQL节点的输出结果只有一个字段，形如[["11"]]所示。输出结果值数据类型为String，需要应用场景支持String数据类型。例如当需要使用IF条件判断输出结果值的数值大小时，不支持String类型，则不能使用本方法。
通过For Each节点提取输出结果值	通过For Each节点，循环获取数据集中二维数组的值： For Each节点数据集：#{Job.getNodeOutput('前一节点名')} For Each节点子作业参数：#{Loop.current[索引]}	通过For Each节点输出结果值适用场景更广泛，但需将作业拆分为主作业和子作业。

通过StringUtil提取输出结果值

场景说明

通过StringUtil内嵌对象EL表达式分割二维数组结果，获取前一节点输出的字段值，输出结果类型为String。

本例中，MRS Hive SQL节点返回单字段二维数组，Kafka Client节点发送的数据定义为StringUtil内嵌对象EL表达式，通过此表达式即可分割二维数组，获取MRS Hive SQL节点输出的字段值。

为便于查看最终获得的结果值，本例选择Kafka Client节点进行演示。在实际使用中，您可以根据您的业务需求选择后续节点类型，在节点任务中应用StringUtil内嵌对象EL表达式，即可获取前一节点返回的数据值。

图1 作业样例

其中，Kafka Client节点的关键配置为“发送数据”参数，取值如下：

#{StringUtil.split(StringUtil.split(StringUtil.split(Job.getNodeOutput("count95"),"]")[0],"[")[0],"\\"")[0]}

配置方法

登录DataArts Studio控制台，找到所需要的DataArts Studio实例，单击实例卡片上的“进入控制台”，进入概览页面。
选择“空间管理”页签，在工作空间列表中，找到所需要的工作空间，单击工作空间的“数据开发”，系统跳转至数据开发页面。

构造原始表格student_score。新建临时Hive SQL脚本，选择Hive连接和数据库后，粘贴如下SQL语句并运行，运行成功后即可删除此脚本。

CREATE TABLE `student_score` (`name` String COMMENT '', `score` INT COMMENT '');
INSERT INTO
    student_score
VALUES
    ('ZHAO', '90'),
    ('QIAN', '88'),
    ('SUN', '93'),
    ('LI', '94'),
    ('ZHOU', '85'),
    ('WU', '79'),
    ('ZHENG', '87'),
    ('WANG', '97'),
    ('FENG', '83'),
    ('CHEN', '99');

新建MRS Hive SQL节点调用的Hive SQL脚本。新建Hive SQL脚本，选择Hive连接和数据库后，粘贴如下SQL语句并提交版本，脚本命名为count95。
```
--从student_score表中统计成绩在95分以上的人数--
SELECT count(*) FROM student_score WHERE score> "95" ; 
```
在“作业开发”页面，新建数据开发作业。选择一个MRS Hive SQL节点和一个Kafka Client节点，选中连线图标并拖动，编排如图1所示的作业。
配置MRS Hive SQL节点参数。SQL脚本选择4中提交的脚本count95，选择Hive连接和数据库。

图2 配置MRS Hive SQL节点参数
配置Kafka Client节点参数。发送数据定义为：#{StringUtil.split(StringUtil.split(StringUtil.split(Job.getNodeOutput("count95"),"]")[0],"[")[0],"\\"")[0]}，选择Kafka连接和Topic名称。

图3 配置Kafka Client节点参数
作业节点配置完成后，选择测试运行。待作业测试运行成功后，在Kafka Client节点上右键查看日志，可以发现MRS Hive SQL节点返回的二维数组[["2"]]已被清洗为2。

您可以将Kafka Client节点中的发送数据定义为#{Job.getNodeOutput("count95")}，然后作业运行后查看Kafka Client节点日志，则可以验证MRS Hive SQL节点返回的结果为二维数组[["2"]]。

图4 查看Kafka Client节点日志

通过For Each节点提取输出结果值

场景说明

结合For Each节点及其支持的Loop内嵌对象EL表达式#{Loop.current[0]}，循环获取前一节点输出的结果值。

本例中，MRS Hive SQL节点返回多字段的二维数组，选择For Each节点和EL表达式#{Loop.current[]}，再通过For Each循环调用Kafka Client节点子作业，Kafka Client节点发送的数据也定义为#{Loop.current[]}，通过此配置即可获取MRS Hive SQL节点输出的结果值。

为便于查看最终获得的结果值，本例中For Each节点子作业选择Kafka Client节点进行演示。在实际使用中，您可以根据您的业务需求选择子作业节点类型，在节点任务中应用Loop内嵌对象EL表达式，即可获取For Each前一节点返回的结果值。

For Each节点主作业编排如图5所示。其中，For Each节点的关键配置如下：

数据集：数据集就是HIVE SQL节点的Select语句的执行结果。使用EL表达式#{Job.getNodeOutput("select95")}，其中select95为前一个节点的名称。
子作业参数：子作业参数是子作业中定义的参数名，然后在主作业中定义的参数值，传递到子作业以供使用。此处子作业参数名定义为name和score，其值分别为数据集中的第一列和第二列数值，使用EL表达式#{Loop.current[0]}和#{Loop.current[1]}。

图5 主作业样例

而For Each节点中所选的子作业，则需要定义For Each节点中的子作业参数名，以便让主作业识别参数定义，作业如图6所示。

图6 子作业样例

配置方法

开发子作业

登录DataArts Studio控制台，找到所需要的DataArts Studio实例，单击实例卡片上的“进入控制台”，进入概览页面。
选择“空间管理”页签，在工作空间列表中，找到所需要的工作空间，单击工作空间的“数据开发”，系统跳转至数据开发页面。
在“作业开发”页面，新建数据开发子作业EL_test_slave。选择一个Kafka Client节点，并配置作业参数，编排图6所示的作业。

此处需将参数名填写为name和score，仅用于主作业的For Each节点识别子作业参数；参数值无需填写。
配置Kafka Client节点参数。发送数据定义为：${name}: ${score}，选择Kafka连接和Topic名称。

此处不能使用EL表达式#{Job.getParam("job_param_name")} ，因为此表达式只能直接获取当前作业里配置的参数的value，并不能获取到父作业传递过来的参数值，也不能获取到工作空间里面配置的全局变量，作用域仅为本作业。

而表达式${job_param_name}，既可以获取到父作业传递过来的参数值，也可以获取到全局配置的变量。

图7 配置Kafka Client节点参数
配置完成后提交子作业。

开发主作业

在“作业开发”主页面，进入脚本开发。

构造原始表格student_score。新建临时Hive SQL脚本，选择Hive连接和数据库后，粘贴如下SQL语句并运行，运行成功后即可删除此脚本。

CREATE TABLE `student_score` (`name` String COMMENT '', `score` INT COMMENT '');
INSERT INTO
    student_score
VALUES
    ('ZHAO', '90'),
    ('QIAN', '88'),
    ('SUN', '93'),
    ('LI', '94'),
    ('ZHOU', '85'),
    ('WU', '79'),
    ('ZHENG', '87'),
    ('WANG', '97'),
    ('FENG', '83'),
    ('CHEN', '99');

新建MRS Hive SQL节点调用的Hive SQL脚本。新建Hive SQL脚本，选择Hive连接和数据库后，粘贴如下SQL语句并提交版本，脚本命名为select95。
```
--从student_score表中展示成绩在95分以上的姓名和成绩--
SELECT * FROM student_score WHERE score> "95" ; 
```
在“作业开发”页面，新建数据开发主作业EL_test_master。选择一个HIVE SQL节点和一个For Each节点，选中连线图标并拖动，编排图5所示的作业。
配置MRS Hive SQL节点参数。SQL脚本选择3中提交的脚本select95，选择Hive连接和数据库。

图8 配置MRS Hive SQL节点参数
配置For Each节点属性，如图9所示。
- 子作业：子作业选择已经开发完成的子作业EL_test_slave。
- 数据集：数据集就是HIVE SQL节点的Select语句的执行结果。使用EL表达式#{Job.getNodeOutput("select95")}，其中select95为前一个节点的名称。
- 子作业参数：子作业参数是子作业中定义的参数名，然后在主作业中定义的参数值，传递到子作业以供使用。此处子作业参数名定义为name和score，其值分别为数据集中的第一列和第二列数值，使用EL表达式#{Loop.current[0]}和#{Loop.current[1]}。
图9 配置For Each节点参数
配置完成后保存作业。

测试运行主作业

单击主作业EL_test_master画布上方的“测试运行”按钮，测试作业运行情况。主作业运行后，会通过For Each节点循环调用运行子作业EL_test_slave。
单击左侧导航栏中的“实例监控”，进入实例监控中查看作业运行结果。
待作业运行完成后，从实例监控中找到子作业EL_test_slave的循环运行结果，如图10所示。

图10 子作业运行结果
查看子作业EL_test_slave在循环运行中的结果日志，从日志中可以看到，结合For Each节点及其支持的Loop内嵌对象EL表达式，成功获取For Each前一节点输出的结果值。

图11 查看日志

DataArts Studio的数据开发作业中Shell节点如何获取MRS Hive SQL节点执行的结果

在DataArts Studio的数据开发作业中，Shell节点获取MRS Hive SQL节点执行结果，可参考以下几种方法：

方法一：使用参数传递
1. 登录DataArts Studio管理控制台。
  详情请参考访问DataArts Studio实例控制台。
2. 在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
3. 进入“数据开发 > 脚本开发”主界面。创建一个Hive SQL脚本。设置脚本参数，比如，数据连接、数据库等参数为必填，MRS资源队列为可选参数。
  输入如下语句，确保该SQL语句将结果输出到HDFS上的一个文件中。
```
INSERT OVERWRITE DIRECTORY '/user/your_username/hive_output'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
  保存并提交脚本版本，运行该脚本。
4. 进入“数据开发 > 作业开发”主界面，创建批处理的Pipeline作业。
5. 在作业画布中，从左侧节点列表中拖动“MRS Hive SQL”节点到画布上。
6. 单击MRS Hive SQL节点，进入节点配置页面。
7. 配置“SQL脚本”参数，需要新建Hive SQL脚本或者引用已创建的Hive SQL脚本，脚本中要包含如下语句，确保该SQL语句将结果输出到HDFS上的一个文件中，例如：
```
INSERT OVERWRITE DIRECTORY '/user/your_username/hive_output'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
  - 如果没有已创建好的脚本，单击“新建”按钮（），创建Hive SQL脚本，并引用该脚本。
  - 如果已创建好的脚本，直接引用已创建Hive SQL脚本。（步骤3已创建）
  - 引用已创建的Hive SQL脚本时，数据连接、数据库等参数信息会自动同步已关联的脚本配置信息。
8. 设置输出路径参数。
  1. 在Hive SQL节点的配置页面中，设置一个参数来传递输出路径。例如，可以设置一个参数output_path，值为/user/your_username/hive_output。具体操作如下：
    1. 单击“作业参数配置”页签，添加一个参数。
    2. 参数名称设置为output_path。
    3. 参数值设置为/user/your_username/hive_output
  2. 在上面步骤7的Hive SQL脚本中使用该参数，例如：
```
INSERT OVERWRITE DIRECTORY '${output_path}'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
9. 配置完成后，保存节点配置。
10. 在作业画布中，从左侧节点列表中拖动“Shell”节点到画布上。将Shell节点连接到Hive SQL节点，确保Shell节点在Hive SQL节点执行成功后开始执行。
11. 单击Shell节点，进入节点配置页面。
  在“Shell语句”中编写Shell脚本，从HDFS中读取Hive SQL节点的输出文件。以下是一个示例脚本：
```
#!/bin/bash

# 从Hive SQL节点传递的参数中获取输出路径
OUTPUT_PATH=$1
LOCAL_OUTPUT_FILE="/path/to/local/output/file"

# 从HDFS中读取文件
hadoop fs -getmerge $OUTPUT_PATH $LOCAL_OUTPUT_FILE

# 检查文件是否成功下载
if [ $? -eq 0 ]; then
    echo "文件已成功下载到 $LOCAL_OUTPUT_FILE"
else    
    echo "文件下载失败"
fi
```
  替换/path/to/local/output/file为实际的值。
12. 配置参数传递。
  1. 在Shell节点的配置页面中，设置参数传递。在“参数”部分，添加一个参数，例如output_path，并将其值设置为Hive SQL节点中设置的输出路径参数。
  2. 确保Shell脚本中的第一个参数$1对应于传递的output_path参数。具体操作如下：
    1. 单击“作业参数配置”页签，添加一个参数。
    2. 参数名称设置为output_path。
    3. 参数值设置为MRS Hive SQL节点中设置的输出路径参数，例如/user/your_username/hive_output。
      该参数可以是常量或者变量。具体取决于您的需求和配置方式。
      
      常量配置：
      
      参数名称设置为output_path。
      
      参数值设置为一个固定的值，例如/user/your_username/hive_output。
      
      变量配置：
      
      参数名称设置为output_path。
      
      参数值设置为一个变量，例如${output_path}，这个变量的值从上游的MRS Hive SQL节点传递过来。
13. 配置完成后，保存节点配置。
14. 作业配置完成后，保存并提交作业版本。运行作业以验证Hive SQL节点和Shell节点的执行结果。检查Shell节点是否能够正确获取Hive SQL节点的执行结果，并进行必要的调试。
15. 对作业进行执行调度，在“批作业监控”查看作业运行结果。
  - 监控作业的执行状态，确保Hive SQL节点和Shell节点都成功执行。
  - 检查Shell节点生成的输出文件，确保文件内容与Hive SQL节点的执行结果一致。
  - 如果有错误，根据日志信息进行调试和修正。
在DataArts Studio的数据开发中，通过参数传递的方法让Shell节点获取Hive SQL节点的执行结果时，$1和output_path参数之间的关系如下：
- output_path参数：在Hive SQL节点中定义并设置的输出路径参数。
- $1参数：在Shell脚本中，用于接收传递的output_path参数值的位置参数。
关系说明：

output_path参数：

定义：在Hive SQL节点中定义的一个参数，用于传递输出路径。

配置：在Hive SQL节点的配置页面中，设置一个参数output_path，并为其赋值，例如/user/your_username/hive_output。

使用：在Hive SQL节点的SQL脚本中使用该参数。详细配置请参见8。

$1参数：

定义：在Shell脚本中，$1是一个位置参数，表示传递给Shell脚本的第一个参数。

配置：在Shell节点的配置页面中，设置一个参数output_path，并将其值设置为MRS Hive SQL节点中设置的输出路径参数。

使用：在Shell脚本中，使用$1来接收传递的output_path 参数值。详细配置请参见11。
主要操作步骤如下：
1. Hive SQL节点：
  
  设置参数output_path，值为/user/your_username/hive_output。
  
  在SQL脚本中使用${output_path}。
2. Shell节点：
  
  设置参数output_path，值为Hive SQL节点中设置的输出路径参数。
  
  在Shell脚本中，使用$1接收传递的output_path参数值。

方法二：通过OBS中转
1. 登录DataArts Studio管理控制台。
  详情请参考访问DataArts Studio实例控制台。
2. 在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
3. 进入“数据开发 > 脚本开发”主界面。创建一个Hive SQL脚本。设置脚本参数，比如，数据连接、数据库等参数为必填，MRS资源队列为可选参数。
  输入如下语句，确保该SQL语句将结果输出到OBS上的一个文件中。
```
INSERT OVERWRITE DIRECTORY 'obs://your-bucket/hive_output'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
  保存并提交脚本版本，运行该脚本。
4. 进入“数据开发 > 作业开发”主界面，创建批处理的Pipeline作业。
5. 在作业画布中，从左侧节点列表中拖动“MRS Hive SQL”节点到画布上。
6. 单击MRS Hive SQL节点，进入节点配置页面。
7. 配置“SQL脚本”参数，需要新建Hive SQL脚本或者引用已创建的Hive SQL脚本，脚本中要包含如下语句，确保该SQL语句将结果输出到OBS上的一个文件中，例如：
```
INSERT OVERWRITE DIRECTORY 'obs://your-bucket/hive_output'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
  - 如果没有已创建好的脚本，单击“新建”按钮（），创建Hive SQL脚本，并引用该脚本。
  - 如果已创建好的脚本，直接引用已创建Hive SQL脚本。（步骤3已创建）
  - 引用已创建的Hive SQL脚本时，数据连接、数据库等参数信息会自动同步已关联的脚本配置信息。
8. （可选）配置MRS Hive SQL节点的其他参数，如资源、参数等。
9. 配置完成后，保存节点配置。
10. 在作业画布中，从左侧节点列表中拖动“Shell”节点到画布上。将Shell节点连接到Hive SQL节点，确保Shell节点在Hive SQL节点执行成功后开始执行。
11. 单击Shell节点，进入节点配置页面。
  在“Shell语句”中编写Shell脚本，从OBS中读取Hive SQL节点的输出文件。以下是一个示例脚本：
```
#!/bin/bash

# 设置OBS路径和本地输出路径
OBS_PATH="obs://your-bucket/hive_output"
LOCAL_OUTPUT_FILE="/path/to/local/output/file"

# 设置OBS访问密钥
export AWS_ACCESS_KEY_ID="your_access_key"
export AWS_SECRET_ACCESS_KEY="your_secret_key"

# 从OBS中读取文件
hadoop fs -getmerge $OBS_PATH $LOCAL_OUTPUT_FILE

# 检查文件是否成功下载
if [ $? -eq 0 ]; then    
    echo "文件已成功下载到 $LOCAL_OUTPUT_FILE"
else    
    echo "文件下载失败"
fi
```
  替换your-bucket、/path/to/local/output/file、your_access_key和your_secret_key为实际的值。
12. （可选）配置Shell节点的其他参数，如资源、参数等。
13. 配置完成后，保存节点配置。
14. 作业配置完成后，保存并提交作业版本。运行作业以验证Hive SQL节点和Shell节点的执行结果。检查Shell节点是否能够正确获取Hive SQL节点的执行结果，并进行必要的调试。
15. 对作业进行执行调度，在“批作业监控”查看作业运行结果。
  - 监控作业的执行状态，确保Hive SQL节点和Shell节点都成功执行。
  - 检查Shell节点生成的输出文件，确保文件内容与Hive SQL节点的执行结果一致。
  - 如果有错误，根据日志信息进行调试和修正。

方法三：通过HDFS（Hadoop Distributed File System，即Hadoop分布式文件系统）中转
1. 登录DataArts Studio管理控制台。
  详情请参考访问DataArts Studio实例控制台。
2. 在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
3. 进入“数据开发 > 脚本开发”主界面。创建一个Hive SQL脚本。设置脚本参数，比如，数据连接、数据库等参数为必填，MRS资源队列为可选参数。
  输入如下语句，确保该SQL语句将结果输出到HDFS上的一个文件中。
```
INSERT OVERWRITE DIRECTORY '/user/your_username/hive_output'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
  保存并提交脚本版本，运行该脚本。
4. 进入“数据开发 > 作业开发”主界面，创建批处理的Pipeline作业。
5. 在作业画布中，从左侧节点列表中拖动“MRS Hive SQL”节点到画布上。
6. 单击MRS Hive SQL节点，进入节点配置页面。
7. 配置“SQL脚本”参数，需要新建Hive SQL脚本或者引用已创建的Hive SQL脚本，脚本中要包含如下语句，确保该SQL语句将结果输出到HDFS上的一个文件中，例如：
```
INSERT OVERWRITE DIRECTORY '/user/your_username/hive_output'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
SELECT * FROM your_table WHERE condition;
```
  - 如果没有已创建好的脚本，单击“新建”按钮（），创建Hive SQL脚本，并引用该脚本。
  - 如果已创建好的脚本，直接引用已创建Hive SQL脚本。（步骤3已创建）
  - 引用已创建的Hive SQL脚本时，数据连接、数据库等参数信息会自动同步已关联的脚本配置信息。
8. （可选）配置MRS Hive SQL节点的其他参数，如资源、参数等。
9. 配置完成后，保存节点配置。
10. 在作业画布中，从左侧节点列表中拖动“Shell”节点到画布上。将Shell节点连接到Hive SQL节点，确保Shell节点在Hive SQL节点执行成功后开始执行。
11. 单击Shell节点，进入节点配置页面。
  在“Shell语句”中编写Shell脚本，从HDFS中读取Hive SQL节点的输出文件。以下是一个示例脚本：
```
#!/bin/bash 

# 设置HDFS路径和本地输出路径
HDFS_PATH="/user/your_username/hive_output"
LOCAL_OUTPUT_FILE="/path/to/local/output/file"# 从HDFS中读取文件

# 从HDFS中读取文件
hadoop fs -getmerge $HDFS_PATH $LOCAL_OUTPUT_FILE# 检查文件是否成功下载

# 检查文件是否成功下载
if [ $? -eq 0 ]; then    
    echo "文件已成功下载到 $LOCAL_OUTPUT_FILE"
else    
    echo "文件下载失败"
fi
```
  替换/user/your_username/hive_output和/path/to/local/output/file为实际的值。
12. （可选）配置Shell节点的其他参数，如资源、参数等。
13. 配置完成后，保存节点配置。
14. 作业配置完成后，保存并提交作业版本。运行作业以验证Hive SQL节点和Shell节点的执行结果。检查Shell节点是否能够正确获取Hive SQL节点的执行结果，并进行必要的调试。
15. 对作业进行执行调度，在“批作业监控”查看作业运行结果。
  - 监控作业的执行状态，确保Hive SQL节点和Shell节点都成功执行。
  - 检查Shell节点生成的输出文件，确保文件内容与Hive SQL节点的执行结果一致。
  - 如果有错误，根据日志信息进行调试和修正。
方法四：通过数据库中转，使用JDBC连接查询结果表
1. 登录DataArts Studio管理控制台。
  详情请参考访问DataArts Studio实例控制台。
2. 在DataArts Studio控制台首页，选择对应工作空间的“数据开发”模块，进入数据开发页面。
3. 进入“数据开发 > 脚本开发”主界面。创建一个Hive SQL脚本。设置脚本参数，比如，数据连接、数据库等参数为必填，MRS资源队列为可选参数。
  输入如下语句，确保该SQL语句将结果插入到一个临时表中。
```
CREATE TABLE IF NOT EXISTS temp_results AS
SELECT * FROM your_table WHERE condition;
```
  保存并提交脚本版本，运行该脚本。
4. 进入“数据开发 > 作业开发”主界面，创建批处理的Pipeline作业。
5. 在作业画布中，从左侧节点列表中拖动“MRS Hive SQL”节点到画布上。
6. 单击MRS Hive SQL节点，进入节点配置页面。
7. 配置“SQL脚本”参数，需要新建Hive SQL脚本或者引用已创建的Hive SQL脚本，脚本中要包含如下语句，确保该SQL语句将结果插入到一个临时表中，例如：
```
CREATE TABLE IF NOT EXISTS temp_results AS
SELECT * FROM your_table WHERE condition;
```
  - 如果没有已创建好的脚本，单击“新建”按钮（），创建Hive SQL脚本，并引用该脚本。
  - 如果已创建好的脚本，直接引用已创建Hive SQL脚本。（步骤3已创建）
  - 引用已创建的Hive SQL脚本时，数据连接、数据库等参数信息会自动同步已关联的脚本配置信息。
8. （可选）配置MRS Hive SQL节点的其他参数，如资源、参数等。
9. 配置完成后，保存节点配置。
10. 在作业画布中，从左侧节点列表中拖动“Shell”节点到画布上。将Shell节点连接到Hive SQL节点，确保Shell节点在Hive SQL节点执行成功后开始执行。
11. 单击Shell节点，进入节点配置页面。
  在“Shell语句”中编写Shell脚本，使用JDBC连接查询临时表中的数据。以下是一个示例脚本：
```
#!/bin/bash

# 设置JDBC连接参数
JDBC_URL="jdbc:hive2://<Hive服务器IP>:<端口>/default"
JDBC_USER="your_username"
JDBC_PASSWORD="your_password"
OUTPUT_FILE="/path/to/output/file"

# 使用JDBC连接查询临时表
beeline -u "$JDBC_URL" -n "$JDBC_USER" -p "$JDBC_PASSWORD" -e "SELECT * FROM temp_results" > "$OUTPUT_FILE"

# 检查查询结果
if [ $? -eq 0 ]; then
    echo "查询成功，结果已保存到 $OUTPUT_FILE"
else    
    echo "查询失败"
fi
```
  替换<Hive服务器IP>、<端口>、your_username、your_password和/path/to/output/file为实际的值。
12. （可选）配置Shell节点的其他参数，如资源、参数等。
13. 配置完成后，保存节点配置。
14. 作业配置完成后，保存并提交作业版本。运行作业以验证Hive SQL节点和Shell节点的执行结果。检查Shell节点是否能够正确获取Hive SQL节点的执行结果，并进行必要的调试。
15. 对作业进行执行调度，在“批作业监控”查看作业运行结果。
  - 监控作业的执行状态，确保Hive SQL节点和Shell节点都成功执行。
  - 检查Shell节点生成的输出文件，确保文件内容与Hive SQL节点的执行结果一致。
  - 如果有错误，根据日志信息进行调试和修正。