集群调度器配置 开启GPU共享 是否开启GPU共享能力 参数名 取值范围 默认值 是否允许修改 作用范围 enable-gpu-share true/false true 允许 CCE Standard/ CCE Turbo 配置建议： true 默认调度器 集群调度器选择开关，用户可自定义调度器模式。

查看更多 →

的日历信息。 单击“确认”，调度日历配置完成。 配置完成后，请前往作业开发界面，在所需作业画布右侧“调度配置”页签，选择周期调度，选择调度日历，即可按照调度日历所定义的工作日期进行调度。 更多操作 修改：单击操作列的“修改”，可以修改已配置好的日历。 快选：快速选中本月的周一到周五

查看更多 →

当前操作仅适用于集群新发放，需切换调度器场景。 切换调度器期间，请勿对该集群执行操作，防止由于切换过程中修改数据库导致操作失败。 对系统的影响 切换调度器过程中，由于要重启Resource Manager，因此切换期间向Yarn提交任务会失败。 切换调度器完成后，将会使用目标调度器相关参数。 操作步骤 登录 FusionInsight

查看更多 →

[00:00-59:59] 图2 自然周期调度作业依赖关系全景图 如何确认当前的周期调度依赖是传统周期调度依赖还是自然周期调度依赖？ 自然周期调度在2023年6月开始全网使用，在之后购买的实例支持自然周期调度。 创建了一个作业A，以小时进行调度，同时创建一个作业B，以天进行调度。 作业A在关联依赖作

查看更多 →

Spark Spark基本原理 Spark HA方案介绍 Spark与其他组件的关系 Spark开源增强特性 父主题： 组件介绍

查看更多 →

如下代码所示，当定义完计算逻辑后，使用auto_schedule机制，便可以自动生成相应的调度，此处通过TVM的打印机制可以看到相应计算的中间表示。配置信息包括是否需要打印、编译以及算子内核名以及输入、输出张量。使用generic的auto_schedule接口，自动生成相应的调度（schedule），auto_schedule接口的参数

查看更多 →

如下代码所示，当定义完计算逻辑后，使用auto_schedule机制，便可以自动生成相应的调度，此处通过TVM的打印机制可以看到相应计算的中间表示。配置信息包括是否需要打印、编译以及算子内核名以及输入、输出张量。使用generic的auto_schedule接口，自动生成相应的调度（schedule），auto_schedule接口的参数

查看更多 →

周期调度依赖策略 传统周期调度依赖和自然周期调度依赖对比 传统周期调度 自然周期调度 自然周期调度之同周期依赖原理 自然周期调度之上一周期依赖原理 父主题： 数据开发进阶实践

查看更多 →

修改调度计划 功能介绍 通过任务ID和调度ID修改调度计划。 调试 您可以在 API Explorer 中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。 URI PUT /v2/{project_id}/fdi/ins

查看更多 →

图1 查看Flink作业所需CUs数 Spark作业： 登录 DLI 管理管理控制台。 选择“作业管理 > Spark作业”。 选择要查看的作业，单击操作列的“编辑”进入作业配置页面。 即可查看作业配置的计算资源规格。 计算公式如下： Spark作业CUs数=Executor所占CU数+driver所占CUs数

查看更多 →

离散小时调度与作业最近依赖调度逻辑 数据开发当前支持两种调度依赖策略：传统周期调度依赖和自然周期调度依赖。 传统周期调度依赖的详细信息请参见传统周期调度。 自然周期调度依赖的详细信息请参见自然周期调度。 随着用户业务的演进，自然周期调度中，增加了许多新的调度规则，如离散小时调度，最近

查看更多 →

、作业测试运行、执行调度使用数据连接上的账号进行认证鉴权。 当启用开发态细粒度认证后，数据开发中的脚本执行、作业测试运行使用当前用户身份认证鉴权，执行调度使用数据连接上的账号进行认证鉴权。 当启用调度态细粒度认证后，数据开发中的脚本执行、作业测试运行和作业调度使用当前用户身份认证鉴权。

查看更多 →

Spark作业使用咨询 DLI Spark作业是否支持定时周期任务作业 DLI Spark不支持作业调度，用户可以通过其他服务，例如 数据湖 管理治理中心 DataArts Studio 服务进行调度，或者通过API/SDK等方式对作业进行自定义调度 。 使用DataArts Studi

查看更多 →

门》提供了样例的详细操作指导，您可以基于此操作指导，创建和使用 MRS 集群。 使用更多的功能，并查看其相关操作指导 如果您是一个MRS集群使用和运维人员，可以参考用户指南完成集群的生命周期管理、扩缩容以及作业管理等操作。集群中组件的使用指导可以详细参考组件操作指南。 如果您是一个开

查看更多 →

数据质量模块支持对业务指标和数据质量进行监控，数据质量可检验，帮助用户及时发现数据质量问题。 业务指标监控 业务指标监控是对业务指标数据进行质量管理的有效工具，可以灵活的创建业务指标、业务规则和业务场景，实时、周期性进行调度，满足业务的数据质量监控需求。 数据质量监控 数据质量监控是对数据库里的数据质

查看更多 →

Studio数据质量监控->质量报告。 作业调度编排 作业调度编排是将之前开发的集成作业、ETL脚本和数据质量作业有机地组合在一起，以实现数据流的自动化处理和监控。通过作业调度编排，可以根据业务需求和时间要求，合理安排和管理数据处理流程，确保数据的准确性和及时性。 在进行作业调度编排时，可以使用DataArts

查看更多 →

避免这种数据损失，Spark Streaming引进了WAL功能。 WAL通常被用于数据库和文件系统中，用来保证任何数据操作的持久性，即先将操作记入一个持久的日志，再对数据施加这个操作。若施加操作的过程中执行失败了，则通过读取日志并重新施加前面指定的操作，系统就得到了恢复。下面介

查看更多 →

“运行暂停期间任务”的参数。 表示恢复的任务名称。 实时作业监控：事件驱动调度节点调度配置 当您配置的实时作业中某个节点配置有事件驱动调度时，在“作业监控”详情页面中右键单击配置有事件驱动调度的节点，选择“调度配置”，可以查看和修改节点的调度信息。 参考访问DataArts Studio实例控制台登录DataArts

查看更多 →

使用Spark 运行Spark应用时修改split值报错 提交Spark任务时提示参数格式错误 磁盘容量不足导致Spark、Hive和Yarn服务不可用 引入jar包不正确导致Spark任务无法运行 Spark任务由于内存不够或提交作业时未添加Jar包，作业卡住 提交Spark任务

查看更多 →

小文件优化 操作场景 Spark SQL表中，经常会存在很多小文件（大小远小于HDFS的块大小），每个小文件默认对应Spark中的一个Partition，即一个Task。在有很多小文件时，Spark会启动很多Task，此时当SQL逻辑中存在Shuffle操作时，会大大增加hash分桶数，严重影响系统性能。

查看更多 →

小文件优化 操作场景 Spark SQL表中，经常会存在很多小文件（大小远小于HDFS的块大小），每个小文件默认对应Spark中的一个Partition，即一个Task。在有很多小文件时，Spark会启动很多Task，此时当SQL逻辑中存在Shuffle操作时，会大大增加hash分桶数，严重影响系统性能。

查看更多 →