网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
云化数据中心 CloudDC
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络 ANC
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
文档首页/ 数据湖探索 DLI/ 开发指南/ SQL作业开发指南/ 在DataArts Studio开发DLI SQL作业

在DataArts Studio开发DLI SQL作业

更新时间:2025-02-17 GMT+08:00
分享

操作场景

华为云数据治理中心DataArts Studio提供了一站式数据治理平台,可以实现与DLI服务的对接,从而提供统一的数据集成、数据开发服务,方便企业对全部数据进行管控。

本节操作介绍在DataArts Studio开发DLI SQL作业的操作步骤。

开发流程

图1 在DataArts Studio开发DLI SQL作业的流程图
  1. 环境准备:准备执行作业所需的DLI资源和DataArts Studio资源。请参考环境准备
  2. 创建数据库和表:提交SQL脚本创建数据库和表。请参考步骤1:创建数据库和表
  3. 导入业务数据:提交SQL脚本导入业务数据。请参考步骤2:业务数据的计算与处理
  4. 数据查询与分析:提交SQL脚本分析业务数据,例如查询单日销售情况。请参考步骤3:销售情况的查询与分析
  5. 作业编排:将数据处理和数据分析脚本编排成一个pipeline。DataArts会按照编排好的pipeline顺序执行各个节点。请参考步骤4:作业编排
  6. 测试作业运行:测试作业运行。请参考步骤5:测试作业运行
  7. 设置作业调度与监控:设置作业调度属性与监控规则。请参考步骤6:设置作业周期调度相关操作

环境准备

  • DLI资源环境准备
    • 配置DLI作业桶

      使用DLI服务前需配置DLI作业桶,该桶用于存储DLI作业运行过程中产生的临时数据,例如:作业日志、作业结果。具体操作请参考:配置DLI作业桶

    • 创建弹性资源池并添加SQL队列

      弹性资源池为DLI作业运行提供所需的计算资源(CPU和内存),用于灵活应对业务对计算资源变化的需求。

      创建弹性资源池后,您可以在弹性资源池中创建多个队列,队列关联到具体的作业和数据处理任务,是资源池中资源被实际使用和分配的基本单元,即队列是执行作业所需的具体的计算资源。

      同一弹性资源池中,队列之间的计算资源支持共享。 通过合理设置队列的计算资源分配策略,可以提高计算资源利用率。

      具体操作请参考:创建弹性资源池并添加队列

  • DataArts Studio资源环境准备
    • 购买DataArts Studio实例

      在使用DataArts Studio提交DLI作业前,需要先购买DataArts Studio实例。

      具体操作请参考购买DataArts Studio基础包

    • 进入DataArts Studio实例空间
      1. 购买完成DataArts Studio实例后,单击“进入控制台”。
        图2 进入DataArts Studio实例控制台
      2. 单击“空间管理”,进入数据开发页面。

        购买DataArts Studio实例的用户,系统将默认为其创建一个默认的工作空间“default”,并赋予该用户为管理员角色。您可以使用默认的工作空间,也可以参考本章节的内容创建一个新的工作空间。

        如需创建新的空间请参考创建并管理工作空间
        图3 进入DataArts Studio实例空间
        图4 进入DataArts Studio数据开发页面

步骤1:创建数据库和表

  1. 开发创建数据库和表的SQL脚本

    数据库和表是SQL作业开发的基础,在执行作业前您需要根据业务场景定义数据库和表。

    本节操作介绍提交SQL脚本创建数据库和表的操作步骤。

    1. 在DataArts Studio数据开发页面,选择左侧导航栏的“数据开发 > 脚本开发”。
    2. 单击“新建DLI SQL脚本”。
      图5 新建DLI SQL脚本
    3. 在脚本编辑页面输入创建数据库和表的示例代码。
      1
      2
      3
      4
      5
      6
      ```SQL -- 创建数据库
      CREATE DATABASE IF not EXISTS supermarket_db;-- 创建商品维表
      CREATE TABLE IF not EXISTS supermarketdb.products ( productid INT, -- 商品编号 productname STRING, -- 商品名称 category STRING, -- 商品类别 price DECIMAL(10,2) -- 单价 ) using parquet;-- 创建交易表 
      CREATE TABLE IF not EXISTS supermarketdb.transactions (transactionid INT, -- 交易编号 productid INT, -- 商品编号 quantity INT, -- 数量 dt STRING -- 日期 ) using parquet partitioned by (dt);-- 创建销售分析表
      CREATE TABLE IF not EXISTS supermarketdb.analyze (transactionid INT, -- 交易编号 productid INT, -- 商品编号 productname STRING, -- 商品名称 quantity INT, -- 数量 dt STRING -- 日期 ) using parquet partitioned by (dt); 
      ```
      
    4. 单击“保存”,保存SQL脚本,本例定义脚本名称为 create_tables。
    5. 单击“提交”按钮执行脚本创建数据库和表。

  2. 创建SQL作业运行脚本

    1. 在DataArts Studio数据开发页面,选择左侧导航栏的“数据开发 > 作业开发”。
      图6 新建作业
    2. 编辑作业信息,本例定义SQL作业名称为 “job_create_tables”。
      图7 编辑作业信息
    3. 在作业开发页面,拖动DLI SQL节点到画布中,并单击节点编辑属性。
      • SQL或脚本:本例选择“SQL脚本”。并选择2.b中创建的脚本。
      • 数据库名称:选择SQL脚本中设置的数据库。
      • 队列名称:选择步骤▪创建弹性资源池并添加SQL队列中创建的SQL队列。

      更多属性参数配置请参考DLI SQL属性参数说明

      图8 编辑DLI SQL节点属性
    4. 属性编辑完成后,单击“保存”,保存属性配置信息。

  3. 配置作业调度

    由于创建库表只需要执行一次,所以本示例只设置为单次调度。

    1. 鼠标左键单击作业画布空白处。
    2. 单击 “调度配置” ,选择 “单次调度”(该作业只会被调度一次,后续不会再被自动调度)。
      图9 配置作业调度
    3. 完成调度配置后单击“执行调度”。

      单击“前往运维中心”可以查看作业运行状况。

步骤2:业务数据的计算与处理

  1. 开发导入业务数据的SQL脚本

    本节操作介绍提交SQL脚本导入业务数据的操作步骤。

    1. 在DataArts Studio数据开发页面,选择左侧导航栏的“数据开发 > 脚本开发”。
    2. 单击“新建DLI SQL脚本”。
      图10 新建DLI SQL脚本
    3. 在脚本编辑页面输入分析数据的示例代码。
       1
       2
       3
       4
       5
       6
       7
       8
       9
      10
      11
      12
      13
      14
      15
       SQL -- 实际业务中数据一般来自其他数据源,本示例简化了数据入库逻辑,模拟插入商品数据。 
       INSERT INTO supermarketdb.products (productid, productname, category, price) VALUES
      (1001, '洗发水', '日用品', 39.90),
      (1002, '牙膏', '日用品', 15.90),
      (1003, '方便面', '食品', 4.50),
      (1004, '可乐', '饮料', 3.50);
      -- 实际业务中数据一般来自其他数据源,本示例简化了数据入库逻辑,模拟插入交易记录。 
      INSERT INTO supermarketdb.transactions (transactionid, productid, quantity, dt) VALUES (1, 1001, 50, '2024-11-01'), -- 销售50瓶洗发水
      (2, 1002, 100, '2024-11-01'), -- 销售100支牙膏 (3, 1003, 30, '2024-11-02'), -- 销售30包方便面
      (4, 1004, 24, '2024-11-02'); -- 销售24瓶可乐
      -- 模拟超市业务分析,查询某个商品的交易记录
      INSERT INTO supermarketdb.analyze SELECT t.transactionid, t.productid, p.productname, t.quantity, t.dt
      FROM supermarketdb.transactions t 
      JOIN supermarketdb.products p ON t.productid = p.productid 
      WHERE t.dt = '2024-11-01';
      
    4. 单击“保存”,保存SQL脚本,本例定义脚本名称为 job_process_data。
    5. 单击“提交”执行脚本。

  2. 创建SQL作业

    1. 在DataArts Studio数据开发页面,选择左侧导航栏的“数据开发 > 作业开发”。
      图11 新建作业
    2. 编辑作业信息,本例定义SQL作业名称为 “job_process_data”。
      图12 编辑作业信息
    3. 在作业开发页面,拖动DLI SQL节点到画布中,并单击节点编辑属性。
      • SQL或脚本:本例选择“SQL脚本”。并选择1中创建的脚本。
      • 数据库名称:选择SQL脚本中设置的数据库。
      • 队列名称:选择步骤▪创建弹性资源池并添加SQL队列中创建的SQL队列。
      • 环境变量:"DLI环境变量" 为可选项。

        本例中添加的参数含义如下:

        spark.sql.optimizer.dynamicPartitionPruning.enabled = true

        • 该配置项用于启用或禁用动态分区修剪。在执行SQL查询时,动态分区修剪可以帮助减少需要扫描的数据量,提高查询性能。
        • 配置为true时,代表启用动态分区修剪,SQL会在查询中自动检测并删除那些不满足WHERE子句条件的分区,适用于在处理具有大量分区的表时。
        • 如果SQL查询中包含大量的嵌套left join操作,并且表有大量的动态分区时,这可能会导致在数据解析时消耗大量的内存资源,导致Driver节点的内存不足,并触发频繁的Full GC。
        • 在这种情况下,可以配置该参数为false即禁用动态分区修剪优化,有助于减少内存使用,避免内存溢出和频繁的Full GC。

        但禁用此优化可能会降低查询性能,禁用后Spark将不会自动修剪掉那些不满足条件的分区。

      更多属性参数配置请参考DLI SQL属性参数说明

      图13 编辑DLI SQL节点属性
    4. 属性编辑完成后,单击“保存”,保存属性配置信息。

步骤3:销售情况的查询与分析

开发数据分析与处理的SQL脚本

本节操作介绍提交SQL脚本分析数据的操作步骤。

  1. 在DataArts Studio数据开发页面,选择左侧导航栏的“数据开发 > 脚本开发”。
  2. 单击“新建DLI SQL脚本”。
    图14 新建DLI SQL脚本
  3. 在脚本编辑页面输入分析数据的示例代码。
    1
    2
    -- 查询单日销售情况 
    SELECT transaction_id, productid, productname, quantity, dt FROM supermarket_db.analyze WHERE dt = '2024-11-01';
    
  4. 单击“保存”,保存SQL脚本,本例定义脚本名称为 select_analyze_data。
  5. 单击“提交”执行脚本。

步骤4:作业编排

  1. 在作业 “job_process_data”中新建一个DLI SQL节点 "select_analyze_data"。并单击节点编辑属性。
    • SQL或脚本:本例选择“SQL脚本”。并选择1中创建的脚本。
    • 数据库名称:选择SQL脚本中设置的数据库。
    • 队列名称:选择步骤▪创建弹性资源池并添加SQL队列中创建的SQL队列。

    更多属性参数配置请参考DLI SQL属性参数说明

    图15 编辑DLI SQL节点属性
  2. 属性编辑完成后,单击“保存”,保存属性配置信息。
  3. 将这两个节点编排成一个pipeline。DataArt会按照编排好的pipeline顺序执行各个节点。然后单击左上角 “保存” 和 “提交”。

步骤5:测试作业运行

作业编排完成后,单击“测试运行”,测试运行作业。

运行结束后,可打开“select_analyze_data”SQL脚本,单击“运行”,查询分析销售明细。

如果查询结果符合预期,可以继续执行步骤6:设置作业周期调度设置作业周期调度。

图16 执行select_analyze_data脚本

步骤6:设置作业周期调度

  1. 在DataArts Studio数据开发页面,选择左侧导航栏的“数据开发 > 作业开发”。
  2. 双击“job_process_data”。
  3. 单击右侧导航栏中的 “调度配置”。
  4. 选择周期调度,并设置调度属性。

    本例中,该作业的调度策略从2024/11/22 10:15:00开始生效,且首次执行调度的时间是2024/11/22 10:20:00,调度周期间隔1天,即后续每天10:20:00 AM会自动调度这些这个作业,会按照编排好的pipeline顺序执行作业中的每个节点。

    图17 配置作业调度
  5. 依次单击 “保存” 、“提交” 和 “执行调度” 按钮,即可完成作业周期调度配置。

了解更多作业调度设置请参考调度作业

相关操作

  • 设置作业监控

    DataArts Studio提供了对批处理作业的状态进行监控的能力。

    批作业是由一个或多个节点组成的流水线,以流水线作为一个整体被调度。

    您可以在 DataArts 左侧导航栏 “作业监控 > 批作业监控” 页面查看批处理作业的调度状态、调度周期、调度开始时间等信息。

    了解更多DataArts运维调度作业监控

    图18 设置作业监控
  • 设置实例监控

    作业每次运行,都会对应产生一次作业实例记录。

    在数据开发模块控制台的左侧导航栏,选择 “运维调度”,进入实例监控列表页面,您可以在该页面中查看作业的实例信息,并根据需要对实例进行更多操作。

    了解更多实例监控

常见问题

  • 如果 DataArts 作业失败,且 DataArts 提供的日志不够详细,怎么办?还能从哪里找更具体的日志?
    您可以可通过 DataArts 的日志找到DLI job id,然后根据DLI job id 在DLI控制台中找到具体的作业。
    图19 监控日志

    在DLI控制台中找到具体的作业,单击归档日志即可查看详细日志:

    图20 输入作业ID

    可以通过DataArts的nodename或jobname在DLI 控制台搜索作业:

    图21 nodename或jobname
  • 如果在运行复杂DLI作业时遇到权限类报错,应该怎么办?

    使用DLI的过程中需要与其他云服务协同工作,因此需要您将部分服务的操作权限委托给DLI服务,确保DLI具备基本使用的权限,让DLI服务以您的身份使用其他云服务,代替您进行一些资源运维工作。

    了解更多:配置DLI云服务委托权限

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容