开发一个Spark作业

场景说明

用户在使用DLI服务时，大部分时间会使用SQL对数据进行分析处理，有时候处理的逻辑特别复杂，无法通过SQL处理，那么可以通过Spark作业进行分析处理。本章节通过一个例子演示如何在数据开发模块中提交一个Spark作业。

操作流程如下：

1. 创建DLI集群，通过DLI集群的物理资源来运行Spark作业。
2. 获取Spark作业的演示JAR包，并在数据开发模块中关联到此JAR包。
3. 创建数据开发模块作业，通过DLI Spark节点提交Spark作业。

环境准备

• 已开通对象存储服务OBS，并创建桶，例如“s3a://dlfexample”，用于存放Spark作业的JAR包。
• 已开通数据湖探索服务DLI，并创建Spark集群“spark_cluster”，为Spark作业提供运行所需的物理资源。

获取Spark作业代码

本示例使用的Spark作业代码来自maven库（下载地址：Spark作业代码），下载spark-examples_2.10-1.1.1.jar，此Spark作业是计算π的近似值。

1. 获取Spark作业代码JAR包后，将JAR包上传到OBS桶中，存储路径为“s3a://dlfexample/spark-examples_2.10-1.1.1.jar”。
2. 在数据开发模块控制台的左侧导航栏，选择“配置管理 > 资源管理”。在数据开发模块中创建一个资源关联到1的JAR包，资源名称为“spark-example”。
   图1 创建资源
   

提交Spark作业

用户需要在数据开发模块中创建一个作业，通过作业的DLI Spark节点提交Spark作业。

1. 创建一个DLF空作业，作业名称为“job_spark”。
   图2 创建作业
   

2. 然后进入作业开发页面，拖动DLI Spark节点到画布并单击，配置节点的属性。
   图3 配置节点属性
   

   关键属性说明：

   • DLI集群名称：•已开通数据湖探索服务DLI，并创建Spark集...中创建的Spark集群。
   • 作业运行资源：DLI Spark节点运行时，限制最大可以使用的CPU、内存资源。
   • 作业主类：DLI Spark节点的main class，本例的main class是“org.apache.spark.examples.SparkPi”。
   • Jar包资源：2中创建的资源。

3. 作业编排完成后，单击，测试运行作业。
   图4 作业日志（仅参考）
   

4. 如果日志运行正常，单击保存作业。