Exemplo de MultiJobs - MaxCompute: Central de Documentação do Alibaba Cloud

Este exemplo demonstra como encadear vários jobs MapReduce sequencialmente no MaxCompute. Como um único job MapReduce não pode invocar outro durante a execução, caso sua lógica de processamento exija iterações em que cada etapa dependa do resultado da anterior, orquestre múltiplos jobs a partir de um método main no lado do cliente. Este exemplo usa um contador para controlar o loop de iteração.

Funcionamento

O programa executa dois tipos de jobs em sequência:

Job de inicialização (InitMapper): grava um valor inicial de contador (2) na tabela de saída.
Jobs de decremento (DecreaseMapper): executam em loop. A cada iteração, o sistema lê a saída anterior de uma tabela de recursos, subtrai 1 do valor e defina um contador. O loop termina quando o contador atinge 0.

A transferência de dados entre jobs utiliza dois mecanismos:

Tabela de recursos (multijobs_res_table): transporta o valor numérico entre os jobs.
Contador (multijobs.value): sinaliza ao método main se as iterações devem continuar.

O método main atua como único orquestrador: envia os jobs em ordem e verifica a conclusão de cada etapa antes de prosseguir.

Pré-requisitos

Antes de começar, verifique se você:

Concluiu a configuração do ambiente descrita em Primeiros passos.
Compilou o pacote mapreduce-examples.jar e o salvou em bin\data\resources no diretório de instalação do cliente MaxCompute.

Preparar tabelas e recursos

Crie as tabelas de teste:

CREATE TABLE mr_empty (key STRING, value STRING);
CREATE TABLE mr_multijobs_out (value BIGINT);

Registre os recursos utilizados pelo job:
```
add table mr_multijobs_out as multijobs_res_table -f;

-- Omit -f when adding the JAR for the first time.
add jar data\resources\mapreduce-examples.jar -f;
```
A tabela mr_multijobs_out é registrada como multijobs_res_table para permitir que o DecreaseMapper leia a saída do job anterior como uma tabela de recursos. O registro do JAR permite que o cliente MaxCompute localize a classe durante a execução.

Executar MultiJobs

Execute o seguinte comando no cliente MaxCompute:

jar -resources mapreduce-examples.jar,multijobs_res_table -classpath data\resources\mapreduce-examples.jar \
    com.aliyun.odps.mapred.open.example.MultiJobs mr_multijobs_out;

Parâmetros do comando:

Parâmetro	Valor	Descrição
`-resources`	`mapreduce-examples.jar,multijobs_res_table`	Recursos disponíveis para o job: o pacote JAR e a tabela de recursos com a saída do job anterior.
`-classpath`	`data\resources\mapreduce-examples.jar`	Caminho local do JAR que o cliente usa para localizar a classe principal.
Classe principal	`com.aliyun.odps.mapred.open.example.MultiJobs`	Ponto de entrada do programa.
Argumento	`mr_multijobs_out`	Nome da tabela de saída passado ao método `main`.

Resultado esperado

Após a conclusão do job, a tabela mr_multijobs_out contém um registro:

+------------+
| value      |
+------------+
| 0          |
+------------+

Código de exemplo

Para configurar as dependências do Project Object Model (POM), consulte a seção Precauções no guia Primeiros passos.

package com.aliyun.odps.mapred.open.example;
import java.io.IOException;
import java.util.Iterator;
import com.aliyun.odps.data.Record;
import com.aliyun.odps.data.TableInfo;
import com.aliyun.odps.mapred.JobClient;
import com.aliyun.odps.mapred.MapperBase;
import com.aliyun.odps.mapred.RunningJob;
import com.aliyun.odps.mapred.TaskContext;
import com.aliyun.odps.mapred.conf.JobConf;
import com.aliyun.odps.mapred.utils.InputUtils;
import com.aliyun.odps.mapred.utils.OutputUtils;
import com.aliyun.odps.mapred.utils.SchemaUtils;
/**
     * MultiJobs
     *
     * Running multiple job
     *
     **/
public class MultiJobs {
    public static class InitMapper extends MapperBase {
        @Override
            public void setup(TaskContext context) throws IOException {
            Record record = context.createOutputRecord();
            long v = context.getJobConf().getLong("multijobs.value", 2);
            record.set(0, v);
            context.write(record);
        }
    }
    public static class DecreaseMapper extends MapperBase {
        @Override
            public void cleanup(TaskContext context) throws IOException {
            /** Obtain the variable values that are defined in the main function from JobConf. */
            long expect = context.getJobConf().getLong("multijobs.expect.value", -1);
            long v = -1;
            int count = 0;
            /** Read the data from the output table of the previous job. */
            Iterator<Record> iter = context.readResourceTable("multijobs_res_table");
            while (iter.hasNext()) {
                Record r = iter.next();
                v = (Long) r.get(0);
                if (expect != v) {
                    throw new IOException("expect: " + expect + ", but: " + v);
                }
                count++;
            }
            if (count != 1) {
                throw new IOException("res_table should have 1 record, but: " + count);
            }
            Record record = context.createOutputRecord();
            v--;
            record.set(0, v);
            context.write(record);
            /** Set the counter. The counter value can be obtained in the main function after the job is completed. */
            context.getCounter("multijobs", "value").setValue(v);
        }
    }
    public static void main(String[] args) throws Exception {
        if (args.length != 1) {
            System.err.println("Usage: TestMultiJobs <table>");
            System.exit(1);
        }
        String tbl = args[0];
        long iterCount = 2;
        System.err.println("Start to run init job.");
        JobConf initJob = new JobConf();
        initJob.setLong("multijobs.value", iterCount);
        initJob.setMapperClass(InitMapper.class);
        InputUtils.addTable(TableInfo.builder().tableName("mr_empty").build(), initJob);
        OutputUtils.addTable(TableInfo.builder().tableName(tbl).build(), initJob);
        initJob.setMapOutputKeySchema(SchemaUtils.fromString("key:string"));
        initJob.setMapOutputValueSchema(SchemaUtils.fromString("value:string"));
        /** Explicitly set the number of reducers to 0 for map-only jobs. */
        initJob.setNumReduceTasks(0);
        JobClient.runJob(initJob);
        while (true) {
            System.err.println("Start to run iter job, count: " + iterCount);
            JobConf decJob = new JobConf();
            decJob.setLong("multijobs.expect.value", iterCount);
            decJob.setMapperClass(DecreaseMapper.class);
            InputUtils.addTable(TableInfo.builder().tableName("mr_empty").build(), decJob);
            OutputUtils.addTable(TableInfo.builder().tableName(tbl).build(), decJob);
            /** Explicitly set the number of reducers to 0 for map-only jobs. */
            decJob.setNumReduceTasks(0);
            RunningJob rJob = JobClient.runJob(decJob);
            iterCount--;
            /** If the specified number of iterations is reached, exit the loop. */
            if (rJob.getCounters().findCounter("multijobs", "value").getValue() == 0) {
                break;
            }
        }
        if (iterCount != 0) {
            throw new IOException("Job failed.");
        }
    }
}

Explicação do código

InitMapper

Executa uma única vez no método setup(). Lê o valor inicial do contador (multijobs.value, padrão 2) do JobConf e o grava na tabela de saída. Trata-se de um job apenas de mapa; a chamada setNumReduceTasks(0) impede que o framework inicie qualquer reducer.

DecreaseMapper

Executa no método cleanup() ao final de cada iteração. Este componente realiza as seguintes ações:

Lê o valor esperado (multijobs.expect.value) do JobConf.
Recupera o único registro da tabela multijobs_res_table usando context.readResourceTable(). Lança uma exceção IOException se a quantidade de registros não for exatamente 1 ou se o valor divergir do esperado.
Decrementa o valor em 1, grava o resultado na tabela de saída e atualiza o contador (multijobs.value) com o novo valor.

Método main**

Controla a sequência de jobs:

Envia o job de inicialização e aguarda sua conclusão.
Inicia um loop que submete os jobs de decremento individualmente e espera o término de cada um antes de prosseguir.
Verifica o contador multijobs.value após cada job de decremento. Se o valor for igual a 0, interrompe o loop.
Valida se iterCount é 0 ao final do loop. Caso contrário, lança uma exceção IOException indicando falha no job.