1 概述

使用EMR SQL 语句，从源表中获取待加工数据，加工完成后写入目标表。EMR 支持 Hive 和 Spark 两种执行引擎。
下面将向您介绍 EMR SQL 任务配置的详细说明。

2 使用前提

1. 已创建 EMR Hadoop 集群实例。详见创建集群。
2. 若仅开通 DataLeap 版本中湖仓一体的服务，项目不支持绑定 EMR 引擎。详见DataLeap 公有云版本功能差异。
3. 已在 DataLeap 租户控制台中，绑定相应的 EMR Hadoop 集群实例。详见绑定 Hadoop 集群。
4. 在 DataLeap 项目控制台中，绑定 EMR Hadoop 集群实例。详见创建项目。

3 任务配置说明

3.1 新建任务

任务配置步骤如下：

1. 登录 DataLeap租户控制台 。
2. 在概览界面，显示加入的项目中，单击数据开发进入对应项目。
3. 在任务开发界面，左侧导航栏中，单击新建任务按钮，进入新建任务页面。
4. 选择任务类型：
   1. 分类：数据开发。
   2. 绑定引擎：EMR。
   3. 关联实例：在下拉列表中选择项目绑定时的 Hadoop 引擎实例，项目支持绑定多个 EMR 引擎，您可在多个引擎实例中选取该任务需执行的引擎实例。多引擎绑定详见创建项目。
   4. 选择任务：离线数据 EMR SQL 。
5. 填写任务基本信息：
   1. 任务名称：输入任务的名称，只允许字符.、字母、数字、下划线、连字符、[]、【】、（）、()以及中文字符，且需要在127个字符以内。
   2. 保存至： 选择任务存放的目标文件夹目录。
6. 单击确认按钮，成功创建任务。
   

3.2 编辑任务

任务创建成功后，进入代码编辑器界面，以 SQL 语句示例代码如下：

//方式1静态分区,场景：根据数据到来的频率，新数据的到来时间确定，分区的值是确定的。
insert overwrite table 目标库名.目标表名 partition (date = "${date}")
select
name,
age
from
源库名.源表名
where
`date` = '${DATE-1}'

//方式2动态分区，谨慎使用，根据已有数据进行动态分区，分区的值是非确定的。
insert overwrite table 目标库名.目标表名 partition (p_date,app)
select
user_id,
date as p_date,
app_name as app//分区字段
from
源库名.源表名
where
`date` = '${DATE-1}'

3.3 智能代码编辑器

智能代码编辑器具备以下能力：

3.4 导航栏功能区解析

3.5 调度设置

任务配置完成后，在右侧导航栏中，单击调度配置按钮，进入调度配置窗口，您可以在此设置任务基本信息、调度属性、依赖等信息，详细参数设置详见：调度设置。

3.5.1 任务产出数据登记

任务产出数据登记，用于记录任务、数据血缘信息，并不会对代码逻辑造成影响。您可在调度设置 > 任务产出数据登记一栏中，设置产出登记相关信息。
对于系统无法通过解析获取产出信息的其他任务，EMR SQL 任务可自动或手动方式登记其产出信息。如果任务含有 Hive 库表数据或 HDFS 目录数据的写入操作，则强烈建议填写，以便后续维护任务数据血缘关系。

• 自动登记：
  任务产出数据使用“自动登记”模式，则任务每次上线时，系统将根据代码解析结果自动进行更新。您可单击查看“线上版本”的产出数据、查看“草稿版本”的产出数据按钮，查看当前任务不同版本下的产出数据自动登记结果。

  注意

  选择自动登记时，若 SQL 代码查询的字段名中包含 SQL 关键字，则需对其进行转义操作，即添加转义符号，如将 group 转义为 group、order 转义为 order 等。若不进行转义，将会影响后续数据地图中的数据血缘图谱、表生产信息等内容展现，或者您也可通过下方的手动登记方式，进行手动登记任务产出数据。

• 手动登记：
  您手动填写的内容即为任务产出，支持填写多个。其他任务依赖时，您可在其调度设置界面，通过依赖推荐或手动添加的方式，依据此处 EMR SQL 任务产出的 Hive 表或者 HDFS 目录信息来搜索添加依赖。 具体登记内容包括以下数据类型：

  • HDFS：该任务会写数据到 HDFS 目录，请填写 HDFS 路径名，路径名可以使用变量。
  • Hive：该任务会写数据到 Hive 表，请填写 Hive 库、表名、分区名，分区内容可以使用变量。
  • 其他：该任务不写数据到 Hive 表或 HDFS 目录。

3.6 查询控制台

3.6.1 调试任务

代码逻辑和参数配置完成后，您可以在界面进行调试操作。
编辑器上方，单击保存按钮后，再单击调试按钮，开始运行任务。

3.6.2 调试记录

调试任务开始运行后，可在下方查看调试记录：

• 在调试记录左侧，您可通过选择调试状态，筛选出不同调试状态下的历史运行记录。
  • 鼠标移动至调试记录上，可查看包括状态、业务日期、提交人等信息。
  • 双击调试记录，您还可编辑调试名称信息，并回车保存。
    
• 单击调试记录，在调试记录右侧，可以查看运行记录的概览、日志、结果等详细信息：
  • 概览：查看调试业务时间、开始时间、结束时间、运行时长、提交人和运行代码等信息。
  • 日志：查看运行代码日志详情，单击界面中下载日志按钮，支持将完整日志下载到本地。
  • 结果：查看运行代码后，查询的结果信息。

3.7.3 查询结果Excel展示

一段代码执行完成后，会展现查询结果，在整个结果页中用了类似 Excel 功能，无需跑多段代码就可对数据进行操作和分析，以增强代码逻辑的改进。
功能描述如下：

4 提交任务

调试任务成功后，单击上方操作栏中的保存和提交上线按钮，在提交上线对话框中，选择回溯数据、监控设置、提交设置等参数，最后单击确认按钮，完成作业提交。 提交上线说明详见：数据开发概述---离线任务提交。
后续任务运维操作详见：离线任务运维。