SparkLoad如何匯入 - E-MapReduce

本文主要為您介紹Spark Load匯入方式。

背景資訊

Spark Load是一種非同步匯入方式，您需要通過MySQL協議建立Spark類型匯入任務，並通過SHOW LOAD查看匯入結果。
Spark Load利用了Spark叢集資源對要匯入的資料進行了排序，Doris BE直接寫檔案，這樣能大大降低Doris叢集的資源使用，對於歷史海量資料移轉降低Doris叢集資源使用及負載有很好的效果。

如果您在沒有Spark叢集這種資源的情況下，又想方便、快速的完成外部儲存歷史資料的遷移，可以使用Broker Load。相比於Spark Load匯入，Broker Load對Doris叢集的資源佔用會更高。

適用情境

Spark Load通過外部的Spark資源實現對匯入資料的預先處理，提高Doris巨量資料量的匯入效能並且節省Doris叢集的計算資源。主要用於初次遷移、巨量資料量匯入Doris的情境。

來源資料在Spark可以訪問的儲存系統中，如HDFS。
資料量達到10 GB以上至TB層級的業務情境。

說明

資料量較小或不滿足上述情況時，建議使用Stream Load或者Broker Load。

基本流程

您可以通過MySQL用戶端提交Spark類型匯入任務，FE記錄中繼資料並返回提交成功，基本流程如下所示。

+
                 | 
            +----v----+
            |   FE    |---------------------------------+
            +----+----+                                 |
                 | 3. FE send push tasks                |
                 | 5. FE publish version                |
    +------------+------------+                         |
    |            |            |                         |
+---v---+    +---v---+    +---v---+                     |
|  BE   |    |  BE   |    |  BE   |                     |1. FE submit Spark ETL job
+---^---+    +---^---+    +---^---+                     |
    |4. BE push with broker   |                         |
+---+---+    +---+---+    +---+---+                     |
|Broker |    |Broker |    |Broker |                     |
+---^---+    +---^---+    +---^---+                     |
    |            |            |                         |
+---+------------+------------+---+ 2.ETL +-------------v---------------+
|               HDFS              +------->       Spark cluster         |
|                                 <-------+                             |
+---------------------------------+       +-----------------------------+

Spark Load任務的執行主要分為以下5個階段。

FE調度提交ETL任務到Spark叢集執行。
Spark叢集執行ETL完成對匯入資料的預先處理。包括全域字典構建（BITMAP類型）、分區、排序、彙總等。
ETL任務完成後，FE擷取預先處理過的每個分區的資料路徑，並調度相關的BE執行Push任務。
BE通過Broker讀取資料，轉化為Doris底層儲存格式。
FE調度生效版本，完成匯入任務。

全域字典

適用情境

目前Doris中Bitmap列是使用類庫Roaringbitmap實現的，而Roaringbitmap的輸入資料類型只能是整型，因此如果要在匯入流程中實現對於Bitmap列的預計算，則需要將輸入資料的類型轉換成整型。
在Doris現有的匯入流程中，全域字典的資料結構是基於Hive表實現的，儲存了原始值到編碼值的映射。

構建流程

讀取上遊資料來源的資料，產生一張Hive暫存資料表，記為hive_table。
從hive_table中抽取待去重欄位的去重值，產生一張新的Hive表，記為distinct_value_table。
建立一張全域字典表，記為dict_table。字典表一列為原始值，另一列為編碼後的值。
將distinct_value_table與dict_table做left join，計算出新增的去重值集合，然後對這個集合使用視窗函數進行編碼，此時去重列原始值就多了一列編碼後的值，最後將這兩列的資料寫回dict_table。
將dict_table與hive_table串連，完成hive_table中原始值替換成整型編碼值的工作。
hive_table會被下一步資料預先處理的流程所讀取，經過計算後匯入到Doris中。

資料預先處理（DPP）

基本流程

從資料來源讀取資料，上遊資料來源可以是HDFS檔案，也可以是Hive表。
對讀取到的資料進列欄位映射，運算式計算以及根據分區資訊產生分桶欄位bucket_id。
根據Doris表的rollup中繼資料產生RollupTree。
遍曆RollupTree，進行分層的彙總操作，下一個層級的rollup可以由上一個層的rollup計算得來。
每次完成彙總計算後，會對資料根據bucket_id進行分桶然後寫入HDFS中。
後續broker會拉取HDFS中的檔案然後匯入Doris BE中。

Hive Bitmap UDF

Spark支援將Hive產生的Bitmap資料直接匯入到Doris。

配置ETL叢集

配置叢集

Spark作為一種外部計算資源在Doris中用來完成ETL工作，引入Resource Management來管理Doris使用的這些外部資源。

提交Spark匯入任務之前，需要配置執行ETL任務的Spark叢集，參數配置如下所示，詳情參見下面的建立資源配置。

-- create spark resource
CREATE EXTERNAL RESOURCE resource_name
PROPERTIES
(
  type = spark,
  spark_conf_key = spark_conf_value,
  working_dir = path,
  broker = broker_name,
  broker.property_key = property_value,
  broker.hadoop.security.authentication = kerberos,
  broker.kerberos_principal = doris@YOUR.COM,
  broker.kerberos_keytab = /home/doris/my.keytab
  broker.kerberos_keytab_content = ASDOWHDLAWI********ALDJSDIWALD
)

-- drop spark resource
DROP RESOURCE resource_name

-- show resources
SHOW RESOURCES
SHOW PROC "/resources"

-- privileges
GRANT USAGE_PRIV ON RESOURCE resource_name TO user_identity
GRANT USAGE_PRIV ON RESOURCE resource_name TO ROLE role_name

REVOKE USAGE_PRIV ON RESOURCE resource_name FROM user_identity
REVOKE USAGE_PRIV ON RESOURCE resource_name FROM ROLE role_name

建立資源配置

resource_name為Doris中配置的Spark資源的名字。

PROPERTIES是Spark資源相關參數，參數如下：

type：資源類型，必填，目前僅支援Spark。
Spark相關參數如下：
- spark.master：必填，參數值為yarn或spark://host:port。
- spark.submit.deployMode：Spark程式的部署模式，必填，支援Cluster，Client兩種模式。
- spark.hadoop.yarn.resourcemanager.address：參數spark.master為yarn時，該參數必填。
- spark.hadoop.fs.defaultFS：參數spark.master為yarn時，該參數必填。
- 其他參數為可選，詳情請參見Spark Configuration。
working_dir： ETL使用的目錄。Spark作為ETL資源使用時必填。例如hdfs://host:port/tmp/doris。
broker.hadoop.security.authentication：指定認證方式為kerberos。
broker.kerberos_principal：指定kerberos的principal。
broker.kerberos_keytab：指定kerberos的keytab檔案路徑。該檔案必須為Broker進程所在伺服器上的檔案的絕對路徑。並且可以被Broker進程訪問。
broker.kerberos_keytab_content：指定kerberos中keytab檔案內容經過base64編碼之後的內容。該參數和broker.kerberos_keytab配置二選一即可。
broker： broker名字。Spark作為ETL資源使用時必填。需要使用ALTER SYSTEM ADD BROKER命令提前完成配置。
broker.property_key：broker讀取ETL產生的中間檔案時需要指定的認證資訊等。

參數樣本。

YARN Cluster模式

CREATE EXTERNAL RESOURCE "spark0"
PROPERTIES
(
  "type" = "spark",
  "spark.master" = "yarn",
  "spark.submit.deployMode" = "cluster",
  "spark.jars" = "xxx.jar,yyy.jar",
  "spark.files" = "/tmp/aaa,/tmp/bbb",
  "spark.executor.memory" = "1g",
  "spark.yarn.queue" = "queue0",
  "spark.hadoop.yarn.resourcemanager.address" = "127.0.0.1:9999",
  "spark.hadoop.fs.defaultFS" = "hdfs://127.0.0.1:10000",
  "working_dir" = "hdfs://127.0.0.1:10000/tmp/doris",
  "broker" = "broker0",
  "broker.username" = "user0",
  "broker.password" = "password0"
);

Spark Standalone Client模式

CREATE EXTERNAL RESOURCE "spark1"
PROPERTIES
(
  "type" = "spark",
  "spark.master" = "spark://127.0.0.1:7777",
  "spark.submit.deployMode" = "client",
  "working_dir" = "hdfs://127.0.0.1:10000/tmp/doris",
  "broker" = "broker1"
);

Spark Load支援Kerberos認證

如果是Spark Load訪問帶有Kerberos認證的Hadoop叢集資源，您只需要在建立Spark resource的時候指定以下參數即可：

broker.hadoop.security.authentication：指定認證方式為kerberos。
broker.kerberos_principal：指定kerberos的principal。
broker.kerberos_keytab：指定kerberos的keytab檔案路徑。該檔案必須為Broker進程所在伺服器上的檔案的絕對路徑。並且可以被Broker進程訪問。
broker.kerberos_keytab_content：指定kerberos中keytab檔案內容經過base64編碼之後的內容。該參數和kerberos_keytab配置二選一即可。

參數樣本

CREATE EXTERNAL RESOURCE "spark_on_kerberos"
PROPERTIES
(
  "type" = "spark",
  "spark.master" = "yarn",
  "spark.submit.deployMode" = "cluster",
  "spark.jars" = "xxx.jar,yyy.jar",
  "spark.files" = "/tmp/aaa,/tmp/bbb",
  "spark.executor.memory" = "1g",
  "spark.yarn.queue" = "queue0",
  "spark.hadoop.yarn.resourcemanager.address" = "127.0.0.1:9999",
  "spark.hadoop.fs.defaultFS" = "hdfs://127.0.0.1:10000",
  "working_dir" = "hdfs://127.0.0.1:10000/tmp/doris",
  "broker" = "broker0",
  "broker.hadoop.security.authentication" = "kerberos",
  "broker.kerberos_principal" = "doris@YOUR.COM",
  "broker.kerberos_keytab" = "/home/doris/my.keytab"
);

查看資源

普通賬戶只能看到自己有USAGE_PRIV使用許可權的資源。
root和admin賬戶可以看到所有的資源。

資源許可權

資源許可權通過GRANT REVOKE來管理，目前僅支援USAGE_PRIV使用許可權。

可以將USAGE_PRIV許可權賦予某個賬戶或者某個角色，角色的使用與之前一致。

-- 授予spark0資源的使用許可權給賬戶user0
GRANT USAGE_PRIV ON RESOURCE "spark0" TO "user0"@"%";

-- 授予spark0資源的使用許可權給角色role0
GRANT USAGE_PRIV ON RESOURCE "spark0" TO ROLE "role0";

-- 授予所有資源的使用許可權給賬戶user0
GRANT USAGE_PRIV ON RESOURCE * TO "user0"@"%";

-- 授予所有資源的使用許可權給角色role0
GRANT USAGE_PRIV ON RESOURCE * TO ROLE "role0";

-- 撤銷賬戶user0的spark0資源使用許可權
REVOKE USAGE_PRIV ON RESOURCE "spark0" FROM "user0"@"%";

配置SPARK用戶端

FE底層通過執行spark-submit命令去提交Spark任務，因此需要為FE配置Spark用戶端，建議使用2.4.5或以上的Spark2官方版本，您可以通過Spark下載地址進行下載，下載完成後，請按以下步驟完成配置。

配置SPARK_HOME環境變數
將spark用戶端放在FE同一台機器上的目錄下，並在FE的設定檔配置spark_home_default_dir項指向此目錄，此配置項預設為FE根目錄下的lib/spark2x路徑，此項不可為空白。
配置SPARK依賴包
將Spark用戶端下的jars檔案夾內所有JAR包歸檔打包成一個ZIP檔案，並在FE的設定檔配置spark_resource_path項指向此ZIP檔案，若此配置項為空白，則FE會嘗試尋找FE根目錄下的lib/spark2x/jars/spark-2x.zip檔案，若沒有找到則會報檔案不存在的錯誤。
當提交Spark Load任務時，會將歸檔好的依賴檔案上傳至遠端倉庫，預設倉庫路徑掛在working_dir/{cluster_id}目錄下，並以__spark_repository__{resource_name}命名，表示叢集內的一個resource對應一個遠端倉庫，遠端倉庫目錄結構參考如下：
```
__spark_repository__spark0/
    |-__archive_1.0.0/
    |        |-__lib_990325d2c0d1d5e45bf675e54e44fb16_spark-dpp-1.0.0-jar-with-dependencies.jar
    |        |-__lib_7670c29daf535efe3c9b923f778f61fc_spark-2x.zip
    |-__archive_1.1.0/
    |        |-__lib_64d5696f99c379af2bee28c1c84271d5_spark-dpp-1.1.0-jar-with-dependencies.jar
    |        |-__lib_1bbb74bb6b264a270bc7fca3e964160f_spark-2x.zip
    |-__archive_1.2.0/
    |        |-...
```
說明
除了Spark依賴（預設以spark-2x.zip命名），FE還會上傳DPP的依賴包至遠端倉庫，若此次Spark Load提交的所有依賴檔案都已存在遠端倉庫，那麼就不需要再上傳依賴，節省了每次重複上傳大量檔案的時間。

配置YARN用戶端

FE底層通過執行yarn命令去擷取正在啟動並執行Application的狀態以及終止Application，因此需要為FE配置YARN用戶端，建議使用hadoop-2.5.2或hadoop-2.0以上的官方版本，下載詳情請參見hadoop下載地址。
將下載好的YARN用戶端放在FE同一台機器的目錄下，並在FE設定檔配置yarn_client_path項指向yarn的二進位可執行檔，預設為FE根目錄下的lib/yarn-client/hadoop/bin/yarn路徑。
（可選操作）當FE通過yarn用戶端去擷取Application的狀態或者終止Application時，預設會在FE根目錄下的lib/yarn-config路徑下產生執行yarn命令所需的設定檔，此路徑可通過在FE設定檔配置yarn_config_dir項修改，目前產生的設定檔包括core-site.xml和yarn-site.xml。

建立匯入

主要介紹Spark Load的建立匯入文法中參數意義和注意事項。

說明

建立匯入的詳細文法執行HELP SPARK LOAD查看文法協助。

Spark Load匯入文法

LOAD LABEL load_label
    (data_desc, ...)
    WITH RESOURCE resource_name
    [resource_properties]
    [PROPERTIES (key1=value1, ... )]

* load_label:
    db_name.label_name

* data_desc:
    DATA INFILE ('file_path', ...)
    [NEGATIVE]
    INTO TABLE tbl_name
    [PARTITION (p1, p2)]
    [COLUMNS TERMINATED BY separator ]
    [(col1, ...)]
    [COLUMNS FROM PATH AS (col2, ...)]
    [SET (k1=f1(xx), k2=f2(xx))]
    [WHERE predicate]

    DATA FROM TABLE hive_external_tbl
    [NEGATIVE]
    INTO TABLE tbl_name
    [PARTITION (p1, p2)]
    [SET (k1=f1(xx), k2=f2(xx))]
    [WHERE predicate]

* resource_properties:
    (key2=value2, ...)

樣本一：上遊資料來源為HDFS檔案的情況

LOAD LABEL db1.label1
(
    DATA INFILE("hdfs://abc.com:8888/user/palo/test/ml/file1")
    INTO TABLE tbl1
    COLUMNS TERMINATED BY ","
    (tmp_c1,tmp_c2)
    SET
    (
        id=tmp_c2,
        name=tmp_c1
    ),
    DATA INFILE("hdfs://abc.com:8888/user/palo/test/ml/file2")
    INTO TABLE tbl2
    COLUMNS TERMINATED BY ","
    (col1, col2)
    where col1 > 1
)
WITH RESOURCE 'spark0'
(
    "spark.executor.memory" = "2g",
    "spark.shuffle.compress" = "true"
)
PROPERTIES
(
    "timeout" = "3600"
);

樣本二：上遊資料來源是Hive表的情況

建立Hive外部表格。

CREATE EXTERNAL TABLE hive_t1
(
    k1 INT,
    K2 SMALLINT,
    k3 varchar(50),
    uuid varchar(100)
)
ENGINE=hive
properties
(
"database" = "tmp",
"table" = "t1",
"hive.metastore.uris" = "thrift://0.0.0.0:8080"
);

提交Load命令，要求匯入的Doris表中的列必須在Hive外部表格中存在。

LOAD LABEL db1.label1
(
    DATA FROM TABLE hive_t1
    INTO TABLE tbl1
    SET
    (
        uuid=bitmap_dict(uuid)
    )
)
WITH RESOURCE 'spark0'
(
    "spark.executor.memory" = "2g",
    "spark.shuffle.compress" = "true"
)
PROPERTIES
(
    "timeout" = "3600"
);

樣本三：上遊資料來源是Hive Binary類型情況

建立Hive外部表格。

CREATE EXTERNAL TABLE hive_t1
(
    k1 INT,
    K2 SMALLINT,
    k3 varchar(50),
    uuid varchar(100) //hive中的類型為binary
)
ENGINE=hive
properties
(
"database" = "tmp",
"table" = "t1",
"hive.metastore.uris" = "thrift://0.0.0.0:8080"
);

提交Load命令，要求匯入的Doris表中的列必須在Hive外部表格中存在。

LOAD LABEL db1.label1
(
    DATA FROM TABLE hive_t1
    INTO TABLE tbl1
    SET
    (
        uuid=binary_bitmap(uuid)
    )
)
WITH RESOURCE 'spark0'
(
    "spark.executor.memory" = "2g",
    "spark.shuffle.compress" = "true"
)
PROPERTIES
(
    "timeout" = "3600"
);

樣本四：匯入Hive分區表的資料

Hive建表語句

create table test_partition(
    id int,
    name string,
    age int
)
partitioned by (dt string)
row format delimited fields terminated by ','
stored as textfile;

Doris建表語句

CREATE TABLE IF NOT EXISTS test_partition_04
(
    dt date,
    id int,
    name string,
    age int
)
UNIQUE KEY(`dt`, `id`)
DISTRIBUTED BY HASH(`id`) BUCKETS 1
PROPERTIES (
    "replication_allocation" = "tag.location.default: 1"
);

Spark Load語句

CREATE EXTERNAL RESOURCE "spark_resource"
PROPERTIES
(
"type" = "spark",
"spark.master" = "yarn",
"spark.submit.deployMode" = "cluster",
"spark.executor.memory" = "1g",
"spark.yarn.queue" = "default",
"spark.hadoop.yarn.resourcemanager.address" = "localhost:50056",
"spark.hadoop.fs.defaultFS" = "hdfs://localhost:9000",
"working_dir" = "hdfs://localhost:9000/tmp/doris",
"broker" = "broker_01"
);
LOAD LABEL demo.test_hive_partition_table_18
(
    DATA INFILE("hdfs://localhost:9000/user/hive/warehouse/demo.db/test/dt=2022-08-01/*")
    INTO TABLE test_partition_04
    COLUMNS TERMINATED BY ","
    FORMAT AS "csv"
    (id,name,age)
    COLUMNS FROM PATH AS (`dt`)
    SET
    (
        dt=dt,
        id=id,
        name=name,
        age=age
    )
)
WITH RESOURCE 'spark_resource'
(
    "spark.executor.memory" = "1g",
    "spark.shuffle.compress" = "true"
)
PROPERTIES
(
    "timeout" = "3600"
);

參數和相關匯入說明

資料描述類參數
目前支援的資料來源有CSV和Hive table。其他規則與Broker Load一致。
匯入作業參數
匯入作業參數主要指的是Spark Load建立匯入語句中的屬於opt_properties部分的參數。匯入作業參數是作用於整個匯入作業的。規則與Broker Load一致。
Spark資源參數
Spark資源需要提前配置到Doris系統中並且賦予您USAGE_PRIV許可權後才能使用Spark Load。
當您有臨時性的需求，比如增加任務使用的資源而修改Spark configs，可參考如下樣本進行設定。
```
WITH RESOURCE 'spark0'
(
  "spark.driver.memory" = "1g",
  "spark.executor.memory" = "3g"
)
```
說明
設定僅對本次任務生效，並不影響Doris叢集中已有的配置。
Hive表作為資料來源匯入
目前如果期望在匯入流程中將Hive表作為資料來源，那麼需要先建立一張類型為Hive的外部表格，然後提交匯入命令時指定外部表格的表名即可。
匯入流程構建全域字典
適用於Doris表彙總列的資料類型為Bitmap類型。在load命令中指定需要構建全域字典的欄位即可，格式為：Doris欄位名稱=bitmap_dict（Hive表欄位名稱）。
重要
目前只有在上遊資料來源為Hive表時才支援全域字典的構建。
Hive Binary（bitmap）類型列的匯入
適用於Doris表彙總列的資料類型為Bitmap類型，且資料來源Hive表中對應列的資料類型為binary（通過FE中spark-dpp中的org.apache.doris.load.loadv2.dpp.BitmapValue類序列化）類型。
全域字典，在load命令中指定相應欄位即可，格式為：Doris欄位名稱=binary_bitmap（Hive表欄位名稱）。
重要
目前只有在上遊資料來源為Hive表時才支援Binary（Bitmap）類型的資料匯入。

查看匯入

Spark Load匯入方式同Broker Load一樣都是非同步，所以您必須將建立匯入的Label記錄，並且在查看匯入命令中使用Label來查看匯入結果。查看匯入命令在所有匯入方式中是通用的，具體文法可執行HELP SHOW LOAD查看，查看匯入樣本如下。

show load order by createtime desc limit 1\G

返回如下資訊。

*************************** 1. row ***************************
         JobId: 76391
         Label: label1
         State: FINISHED
      Progress: ETL:100%; LOAD:100%
          Type: SPARK
       EtlInfo: unselected.rows=4; dpp.abnorm.ALL=15; dpp.norm.ALL=28133376
      TaskInfo: cluster:cluster0; timeout(s):10800; max_filter_ratio:5.0E-5
      ErrorMsg: N/A
    CreateTime: 2019-07-27 11:46:42
  EtlStartTime: 2019-07-27 11:46:44
 EtlFinishTime: 2019-07-27 11:49:44
 LoadStartTime: 2019-07-27 11:49:44
LoadFinishTime: 2019-07-27 11:50:16
           URL: http://1.1.*.*:80**/proxy/application_15866****3848_0035/
    JobDetails: {"ScannedRows":28133395,"TaskNumber":1,"FileNumber":1,"FileSize":200000}

返回結果集中參數意義可以參見Broker Load。不同點如下：

State匯入任務當前所處的階段。任務提交之後狀態為PENDING，提交Spark ETL之後狀態變為ETL，ETL完成之後FE調度BE執行push操作狀態變為LOADING，push完成並且版本生效後狀態變為FINISHED。
匯入任務的最終階段有兩個：CANCELLED和FINISHED。當Load job處於這兩個階段時匯入完成。其中CANCELLED為匯入失敗，FINISHED為匯入成功。
Progress匯入任務的進度描述。分為兩種進度：ETL和LOAD，對應了匯入流程的兩個階段ETL和LOADING。
```
LOAD進度=當前已完成所有replica匯入的tablet個數/本次匯入任務的總tablet個數*100%   
```
LOAD的進度範圍為0~100%。如果所有匯入表均完成匯入，此時LOAD的進度為99%，表示匯入進入到最後生效階段，整個匯入完成後，LOAD的進度才會改為100%。
說明
匯入進度並不是線性，所以如果一段時間內進度沒有變化，並不代表匯入沒有在執行。
Type匯入任務的類型。Spark Load為SPARK。
以下參數值含義：
- CreateTime：匯入建立的時間。
- EtlStartTime：ETL階段開始的時間。
- EtlFinishTime：ETL階段完成的時間。
- LoadStartTime：LOADING階段開始的時間。
- LoadFinishTime：整個匯入任務完成的時間。
JobDetails顯示一些作業的詳細運行狀態，ETL結束的時候更新。包括匯入檔案的個數、總大小（位元組）、子任務個數、已處理的原始行數等，如{"ScannedRows":139264,"TaskNumber":1,"FileNumber":1,"FileSize":940754064}。
URL可複製輸入到瀏覽器，跳轉至相應Application的Web介面。

查看Spark launcher提交日誌

Spark任務提交過程中產生的詳細日誌，預設儲存在FE根目錄下log/spark_launcher_log路徑下，並以spark_launcher_{load_job_id}_{label}.log命名。

說明

日誌會在此目錄下儲存一段時間，當FE中繼資料中的匯入資訊被清理時，相應的日誌也會被清理，預設儲存時間為3天。

取消匯入

當Spark Load作業狀態不為CANCELLED或FINISHED時，您可以手動取消。取消時需要指定待取消匯入任務的Label。取消匯入命令文法可執行HELP CANCEL LOAD查看。

E-MapReduce：Spark Load

背景資訊

適用情境

基本流程

全域字典

適用情境

構建流程

資料預先處理（DPP）

基本流程

Hive Bitmap UDF

配置ETL叢集

配置叢集

建立資源配置

Spark Load支援Kerberos認證

查看資源

資源許可權

配置SPARK用戶端

配置YARN用戶端

建立匯入

參數和相關匯入說明

查看匯入

查看Spark launcher提交日誌

取消匯入

相關係統配置