1 概述

MapReduce 是用于并行处理大数据集的软件框架。用于大规模数据集（大于1TB）的并行运算。概念“Map（映射）”和“Reduce（归纳）”，及他们的主要思想，都是从函数式编程语言借鉴的，还有从矢量编程语言借来的特性。更多信息，请参阅 MapReduce 教程。
本文将为您介绍如何使用 mapreduce2 执行 SQL 作业。

2 前提条件

• 已创建好包含 Hive 组件服务的火山引擎 E-MapReduce（EMR）集群。详见创建集群。

• 已安装 OpenLDAP 服务并添加有用户。

3 操作指南

3.1 使用 Hive 提交 MR 任务

使用 Hive 提交 MR 任务，需先将 Hive 切换 MR 为执行引擎：

1. 登录 EMR 控制台。

2. 在左侧导航栏中，单击进入集群管理 > 集群列表 > 集群详情 > 服务列表 > Hive > 服务参数界面。

3. 修改 Hive 参数 hive.execution.engine 为 mr，在右上角单击服务操作 > 重启按钮，重启 Hive 服务。

3.1.1 登录 EMR master 节点

1. 单击集群列表 > 集群名称 > 服务列表 > Hive > 部署拓扑页签，进入 Hive 组件服务的部署拓扑界面。

2. 展开 HiveServer2 组件名称，单击其主机名称的 ECS ID，跳转进入到云服务器的实例界面，点击右上角的远程连接按钮。

   

3. 选择一种远程连接方式（推荐选择 ECS Terminal），并输入集群相关认证信息，登录到 Hive 集群的命令行环境中，来执行相关命令行操作。

3.1.2 连接 HiveServer2

参考 Hive连接方式 章节连接 HiveServer2，示例如下：

beeline -u "jdbc:hive2://<HiveServer2地址>:10000/" -n <username> -p <password>

3.1.3 执行 Hive 语句

连接 HiveServer2 后，您可根据实际场景执行相关 Hive 语句，示例如下：

select orderkey,count(*) from lineitem group by orderkey limit 100;

3.2 使用 Jar 包直接提交

参考 “3.1.1 登录 EMR master 节点”，登录集群后，执行以下 hadoop jar 提交命令：

/usr/lib/emr/current/hadoop/bin/hadoop jar /usr/lib/emr/current/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar pi 16 100000
//提交 jar 包，参数分别为
// 所需执行 jar 包位置，比如/usr/lib/emr/current/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar
// 主类名称 比如pi
// 提交参数 比如 16 100000，有些任务会通过参数指定输入输出文件位置，同理