文档首页/ MapReduce服务 MRS/ 用户指南/ 提交MRS作业/ 运行MRS作业/ 运行SparkSql作业
更新时间：2024-09-04 GMT+08:00
查看PDF
分享

运行SparkSql作业

用户可将自己开发的程序提交到MRS中，执行程序并获取结果，本章节指导您如何在MRS集群中提交一个SparkSql作业。

SparkSql作业用于查询和分析数据，包括SQL语句和Script脚本两种形式，如果SQL语句涉及敏感信息，也可使用脚本文件方式提交。

用户可以在MRS管理控制台在线创建一个作业并提交运行，也可以通过MRS集群客户端来以命令行形式提交作业。

操作视频

本视频以在MRS集群的管理控制台上提交并查看SparkSql作业为例进行说明。

因不同版本操作界面可能存在差异，相关视频供参考，具体以实际环境为准。

前提条件

  • 用户已经将作业所需的程序包和数据文件上传至OBS或HDFS文件系统中。
  • 如果作业程序需要读取以及分析OBS文件系统中的数据，需要先配置MRS集群的存算分离，请参考配置MRS集群存算分离。

通过管理控制台提交作业

  1. 登录MRS管理控制台。
  2. 选择“现有集群”，选中一个运行中的集群并单击集群名称，进入集群信息页面。
  3. 在“概览”页签的基本信息区域，单击“IAM用户同步”右侧的“同步”进行IAM用户同步。

    集群开启Kerberos认证时需执行该步骤，若集群未开启Kerberos认证，无需执行本步骤。

    • IAM用户同步完成后，请等待5分钟，再进行提交作业，更多IAM用户同步说明请参考IAM用户同步MRS集群说明。
    • 当IAM用户的用户组的所属策略从MRS ReadOnlyAccess向MRS CommonOperations、MRS FullAccess、MRS Administrator变化时，或者反之从MRS CommonOperations、MRS FullAccess、MRS Administrator向MRS ReadOnlyAccess变化时，由于集群节点的SSSD（System Security Services Daemon）缓存刷新需要时间，因此用户同步完成后，请等待5分钟，待新策略生效之后，再进行提交作业，否则会出现提交作业失败的情况。
    • 当前IAM用户名中存在空格时（例如admin 01），不支持添加作业。

  4. 单击“作业管理”，在作业列表界面单击“添加”。
  5. “作业类型”选择“SparkSql”并参考表1配置SparkSql作业信息。

    图1 添加SparkSql作业
    表1 作业配置信息

    参数

    描述

    示例

    作业名称

    作业名称，只能由字母、数字、中划线和下划线组成，并且长度为1～64个字符。

    sparksql

    SQL类型

    SQL查询语句提交类型。

    • SQL：直接运行手动输入的SQL语句。
    • Script：以加载HDFS或者OBS中的SQL脚本文件运行SQL。

    SQL

    SQL语句

    “SQL类型”参数为“SQL”时参数有效，请输入待运行的SQL语句，然后单击“检查”来检查SQL语句的正确性，确保输入语句正确。

    如果同时需要提交多条语句并执行，使用“;”分隔不同语句。

    -

    SQL文件

    “SQL类型”参数为“Script”时参数有效，待执行SQL文件的路径，需要满足以下要求。

    待执行SQL脚本文件地址，可直接手动输入地址路径，也可单击“HDFS”或者“OBS”选择文件。

    • 最多为1023字符，不能包含;|&>,<'$特殊字符，且不可为空或全空格。
    • OBS程序路径地址以“obs://”开头，例如“obs://wordcount/program/XXX.jar”。HDFS程序路径地址以“hdfs://”开头，例如“hdfs://hacluster/user/XXX.jar”。
    • Script文件需要以“.sql”结尾。

    obs://wordcount/program/test.sql

    运行程序参数

    可选参数，为本次执行的作业配置相关优化参数（例如线程、内存、CPU核数等），用于优化资源使用效率，提升作业的执行性能。

    SparkSql作业常用的运行程序参数如表2所示，可根据执行程序及集群资源情况进行配置。

    -

    服务配置参数

    可选参数，用于为本次执行的作业修改服务配置参数。

    该参数的修改仅适用于本次执行的作业，如需对集群永久生效，请参考修改MRS集群组件配置参数进行集群组件配置参数的修改。

    如需添加多个参数，请单击右侧的“添加”按钮。

    例如增加以下服务配置参数：

    • fs.obs.access.key：通过AK/SK方式访问OBS时访问OBS的密钥ID。
    • fs.obs.secret.key：通过AK/SK方式访问OBS时访问OBS与密钥ID对应的密钥。

    -

    命令参考

    用于展示提交作业时提交到后台执行的命令。

    mrs-spark-sql-wrapper -e
    表2 运行程序参数

    参数

    描述

    示例

    --conf

    添加任务的配置项。

    spark.executor.memory=2G

    --driver-memory

    设置driver的运行内存。

    2G

    --num-executors

    设置executor启动数量。

    5

    --executor-cores

    设置executor核数。

    2

    --jars

    上传任务额外依赖包，用于给任务添加任务的外部依赖包。

    -

    --executor-memory

    设置executor内存。

    2G

  6. 确认作业配置信息，单击“确定”，完成作业的新增。
  7. 作业提交成功中，可在作业列表中查看作业运行状态及执行结果，等待作业状态变为“已完成”，可查看相关程序分析结果。

通过集群客户端提交作业

  1. 安装MRS集群客户端，具体操作可参考安装MRS集群客户端。

    MRS集群中默认安装了一个客户端用于作业提交，也可直接使用该客户端。MRS 3.x及之后版本客户端默认安装路径为Master节点上的“/opt/Bigdata/client”，MRS 3.x之前版本为Master节点上的“/opt/client”。

  2. 如果当前集群已开启Kerberos认证，参考创建MRS集群用户页面，创建一个用于提交作业的用户。

    如果当前集群未开启Kerberos认证，则无需执行本步骤。

    本示例创建一个机机用户，并分配了正确的用户组（hadoop、supergroup）、主组（supergroup）和角色权限（System_administrator、default）。

    用户创建成功后，下载认证凭据文件：
    • 对于MRS 3.x及之后版本集群，请登录FusionInsight Manager页面选择“系统 > 权限 > 用户”，在新增用户的操作列单击“更多 > 下载认证凭据”。
    • 对于MRS 2.x及之前版本集群，请登录MRS Manager页面选择“系统设置 > 用户管理”，在新增用户的操作列单击“更多 > 下载认证凭据”。

    上传用户认证凭据到集群客户端节点的“/opt”目录下。

  3. 使用MRS集群客户端安装用户登录客户端所在的节点。
  4. 执行如下命令解压用户认证凭据文件，得到“user.keytab”和“krb5.conf”两个文件。

    cd /opt

    tar -xvf XXX_keytab.tar

  5. 执行以下命令初始化环境变量。

    cd /opt/Bigdata/client

    source bigdata_env

    cd $SPARK_HOME

  6. 进入spark-sql命令行后执行SQL语句。

    ./bin/spark-sql --conf spark.yarn.principal=MRSTest --conf spark.yarn.keytab=/opt/user.keytab

    若需要执行SQL文件，需要提前上传SQL文件至客户端所在节点（例如上传到“/opt/”目录），然后执行以下命令：

    ./bin/spark-sql --conf spark.yarn.principal=MRSTest --conf spark.yarn.keytab=/opt/user.keytab -f /opt/script.sql
    • spark.yarn.principal：提交作业的用户名。
    • spark.yarn.keytab：用户认证的keytab文件。

父主题： 运行MRS作业