在DataArts Studio开发DLI Spark作业

操作流程

1. 获取Spark作业的演示JAR包，并在DataArts Studio控制台的数据开发模块中关联到此JAR包。
2. 在DataArts Studio控制台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

• 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。

  • 准备Jar包并上传OBS桶

    本示例使用的Spark作业代码来自maven库（下载地址：https://repo.maven.apache.org/maven2/org/apache/spark/spark-examples_2.10/1.1.1/spark-examples_2.10-1.1.1.jar），此Spark作业是计算π的近似值。

    获取Spark作业代码JAR包后，将JAR包上传到OBS桶中，本例存储路径为“obs://dlfexample/spark-examples_2.10-1.1.1.jar”。

  • 创建弹性资源池并添加通用队列

    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通用队列用于提交Spark作业，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。

    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1 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2 进入DataArts Studio实例空间
       
       图3 进入DataArts Studio数据开发页面
       

步骤1：获取Spark作业代码

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“obs://dlfexample/spark-examples_2.10-1.1.1.jar”。
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. 在数据开发主界面的左侧导航栏，选择“配置管理 > 资源管理”。
4. 单击“新建资源”，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4 创建资源
   

步骤2：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. 创建一个数据开发批处理作业，右键单击目录，单击“新建作业”，作业名称为“job_DLI_Spark”。
   图5 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6 配置节点属性
   

   关键属性说明：

   • DLI队列：DLI中创建的DLI队列。
   • 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节点的主类，本例的主类是“org.apache.spark.examples.SparkPi”。
   • Spark程序资源包：4中创建的资源。

3. 作业编排完成后，单击，测试运行作业。
   图7 作业日志（仅参考）
   

4. 如果日志运行正常，保存作业并提交版本。