Spark3.1.1使用 - MaxCompute

本文介紹使用Spark3.1.1版本時所需的專用配置資訊。

提交任務

使用Spark用戶端提交任務，添加以下參數指定版本，用戶端下載。

# 用於開啟kube模式和eventlog
spark.hadoop.odps.kube.mode=true
spark.hadoop.odps.cupid.data.proxy.enable=true
spark.hadoop.odps.cupid.fuxi.shuffle.enable=true
spark.hadoop.odps.spark.version=spark-3.1.1-odps0.47.0
spark.hadoop.odps.spark.libs.public.enable=true
spark.eventLog.enabled=true
spark.eventLog.dir=/workdir/eventlog/

# 用於讀寫MaxCompute
spark.sql.defaultCatalog = odps
spark.sql.catalog.odps = org.apache.spark.sql.execution.datasources.v2.odps.OdpsTableCatalog
spark.sql.sources.partitionOverwriteMode = dynamic
spark.sql.extensions = org.apache.spark.sql.execution.datasources.v2.odps.extension.OdpsExtensions

使用叢集模式運行PySpark作業，需添加以下參數使用Python3。

spark.hadoop.odps.cupid.resources = public.python-3.7.9-ucs4.tar.gz
spark.pyspark.python = ./public.python-3.7.9-ucs4.tar.gz/python-3.7.9-ucs4/bin/python3

使用DataWorks節點提交任務，直接選擇Spark 3.x即可。

參數配置

參數名	取值	說明
`spark.sql.defaultCatalog`	配置值為`odps`
`spark.sql.catalog.odps`	配置值為`org.apache.spark.sql.execution.datasources.v2.odps.OdpsTableCatalog`
`spark.sql.sources.partitionOverwriteMode`	配置值為`dynamic`
`spark.sql.extensions`	配置值為`org.apache.spark.sql.execution.datasources.v2.odps.extension.OdpsExtensions`
`spark.sql.catalog.odps.enableNamespaceSchema`	預設值為`false`	如果MaxCompute專案開啟Schema級文法開關，需要設定為true。
`spark.sql.catalog.odps.enableVectorizedReader`	預設值為`true`	開啟向量化讀。
`spark.sql.catalog.odps.enableVectorizedWriter`	預設值為`true`	開啟向量化寫。
`spark.sql.catalog.odps.splitSizeInMB`	預設值為`256`	該參數用於調節讀MaxCompute表的並發度，預設每個分區為256MB。