DataWorks:EMR MR ノード

ソースデータの準備

次の内容で input01.txt という名前のサンプルファイルを作成します。

hadoop emr hadoop dw
hive hadoop
dw emr

ソースデータのアップロード

1. OSS コンソールにログインします。左側のナビゲーションウィンドウで、[バケットリスト] をクリックします。

2. ターゲットバケットの名前をクリックして、[ファイル管理] ページに移動します。

   このチュートリアルでは、onaliyun-bucket-2 をサンプルバケットとして使用します。

3. [ディレクトリの作成] をクリックして、ソースデータと JAR リソース用のディレクトリを作成します。

   • [ディレクトリ名] を emr/datas/wordcount02/inputs に設定して、ソースデータ用のディレクトリを作成します。

   • [ディレクトリ名] を emr/jars に設定して、JAR リソース用のディレクトリを作成します。

4. ソースデータファイルをディレクトリにアップロードします。

   • /emr/datas/wordcount02/inputs パスに移動し、[ファイルのアップロード] をクリックします。

   • [アップロードするファイル] セクションで [ファイルのスキャン] をクリックし、input01.txt ファイルをバケットに追加して、[ファイルのアップロード] をクリックします。

OSS 用の MapReduce JAR の生成

1. IDEA プロジェクトを開き、pom 依存関係を追加します。

           <dependency>
               <groupId>org.apache.hadoop</groupId>
               <artifactId>hadoop-mapreduce-client-common</artifactId>
               <version>2.8.5</version> <!-- EMR MR のバージョンは 2.8.5 です。 -->
           </dependency>
           <dependency>
               <groupId>org.apache.hadoop</groupId>
               <artifactId>hadoop-common</artifactId>
               <version>2.8.5</version>
           </dependency>

2. MapReduce で OSS ファイルを読み書きするには、次のパラメーターを設定します。

   重要

   警告：Alibaba Cloud アカウントの AccessKey は、すべての API 操作に対する完全な権限を付与します。API 呼び出しや日常の O&M (運用保守) には RAM ユーザーを使用することを推奨します。AccessKey ID と AccessKey Secret をプロジェクトコードやその他の一般にアクセス可能な場所にハードコーディングしないでください。AccessKey が漏洩すると、アカウント内のすべてのリソースのセキュリティが侵害されます。以下のコード例は参考用です。AccessKey の認証情報を安全に保管し、慎重に取り扱ってください。

   conf.set("fs.oss.accessKeyId", "${accessKeyId}");
   conf.set("fs.oss.accessKeySecret", "${accessKeySecret}");
   conf.set("fs.oss.endpoint","${endpoint}");

   パラメーターの説明：

   • ${accessKeyId}：ご利用の Alibaba Cloud アカウントの AccessKey ID。

   • ${accessKeySecret}：ご利用の Alibaba Cloud アカウントの AccessKey Secret。

   • ${endpoint}：OSS にアクセスするためのエンドポイント。エンドポイントは、クラスターが存在するリージョンによって決まります。OSS バケットはクラスターと同じリージョンにある必要があります。詳細については、「リージョンとエンドポイント」をご参照ください。

   次の Java コードは、公式の Hadoop WordCount の例を基に、OSS ファイルにアクセスするための AccessKey ID と AccessKey Secret の設定を追加したものです。

   サンプルコード

   package cn.apache.hadoop.onaliyun.examples;
   
   import java.io.IOException;
   import java.util.StringTokenizer;
   
   import org.apache.hadoop.conf.Configuration;
   import org.apache.hadoop.fs.Path;
   import org.apache.hadoop.io.IntWritable;
   import org.apache.hadoop.io.Text;
   import org.apache.hadoop.mapreduce.Job;
   import org.apache.hadoop.mapreduce.Mapper;
   import org.apache.hadoop.mapreduce.Reducer;
   import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
   import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
   import org.apache.hadoop.util.GenericOptionsParser;
   
   public class EmrWordCount {
       public static class TokenizerMapper
               extends Mapper<Object, Text, Text, IntWritable> {
           private final static IntWritable one = new IntWritable(1);
           private Text word = new Text();
   
           public void map(Object key, Text value, Context context
           ) throws IOException, InterruptedException {
               StringTokenizer itr = new StringTokenizer(value.toString());
               while (itr.hasMoreTokens()) {
                   word.set(itr.nextToken());
                   context.write(word, one);
               }
           }
       }
   
       public static class IntSumReducer
               extends Reducer<Text, IntWritable, Text, IntWritable> {
           private IntWritable result = new IntWritable();
   
           public void reduce(Text key, Iterable<IntWritable> values,
                              Context context
           ) throws IOException, InterruptedException {
               int sum = 0;
               for (IntWritable val : values) {
                   sum += val.get();
               }
               result.set(sum);
               context.write(key, result);
           }
       }
   
       public static void main(String[] args) throws Exception {
           Configuration conf = new Configuration();
           String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
           if (otherArgs.length < 2) {
               System.err.println("Usage: wordcount <in> [<in>...] <out>");
               System.exit(2);
           }
           conf.set("fs.oss.accessKeyId", "${accessKeyId}"); // 
           conf.set("fs.oss.accessKeySecret", "${accessKeySecret}"); // 
           conf.set("fs.oss.endpoint", "${endpoint}"); //
           Job job = Job.getInstance(conf, "word count");
           job.setJarByClass(EmrWordCount.class);
           job.setMapperClass(TokenizerMapper.class);
           job.setCombinerClass(IntSumReducer.class);
           job.setReducerClass(IntSumReducer.class);
           job.setOutputKeyClass(Text.class);
           job.setOutputValueClass(IntWritable.class);
           for (int i = 0; i < otherArgs.length - 1; ++i) {
               FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
           }
           FileOutputFormat.setOutputPath(job,
                   new Path(otherArgs[otherArgs.length - 1]));
           System.exit(job.waitForCompletion(true) ? 0 : 1);
       }
   }
                                   

3. Java コードを編集した後、JAR パッケージをビルドします。この例では、JAR パッケージの名前として onaliyun_mr_wordcount-1.0-SNAPSHOT.jar を使用します。