创建EMR Hive节点 - 大数据开发治理平台 DataWorks

您可以创建EMR（E-MapReduce） HIVE节点，通过类SQL语句读写、管理存储在分布式存储系统上的大数据集的数据仓库，完成海量日志数据的分析和开发工作。

前提条件

已创建阿里云EMR集群，并注册EMR集群至DataWorks。操作详情请参见注册EMR集群至DataWorks。
（可选，RAM账号需要）进行任务开发的RAM账号已被添加至对应工作空间中，并具有开发或空间管理员（权限较大，谨慎添加）角色权限，添加成员的操作详情请参见为工作空间添加空间成员。
已购买Serverless资源组并完成资源组配置，包括绑定工作空间、网络配置等，详情请参见新增和使用Serverless资源组。
数据开发（DataStudio）中已创建业务流程。
数据开发（DataStudio）基于业务流程对不同开发引擎进行具体开发操作，所以您创建节点前需要先新建业务流程，操作详情请参见创建业务流程。

仅支持使用Serverless资源组（推荐）或独享调度资源组运行该类型任务。
DataLake或自定义集群若要在DataWorks管理元数据，需先在集群侧配置EMR-HOOK。若未配置，则无法在DataWorks中实时展示元数据、生成审计日志、展示血缘关系、开展EMR相关治理任务。配置EMR-HOOK，详情请参见配置Hive的EMR-HOOK。

进入数据开发页面。
登录DataWorks控制台，切换至目标地域后，单击左侧导航栏的数据建模与开发 > 数据开发，在下拉框中选择对应工作空间后单击进入数据开发。
新建EMR Hive节点。
1. 右键单击目标业务流程，选择新建节点 > EMR > EMR Hive。
  说明
  您也可以鼠标悬停至新建，选择新建节点 > EMR > EMR Hive。
2. 在新建节点对话框中，输入名称，并选择引擎实例、节点类型及路径。单击确认，进入EMR Hive节点编辑页面。
  说明
  节点名称支持大小写字母、中文、数字、下划线（_）和小数点（.）。

在EMR Hive节点编辑页面双击已创建的节点，进入任务开发页面，执行如下开发操作。

在SQL编辑区域开发任务代码，您可在代码中使用${变量名}的方式定义变量，并在节点编辑页面右侧导航栏的调度配置>调度参数中为该变量赋值。实现调度场景下代码的动态传参，调度参数使用详情，请参考调度参数支持的格式，示例如下。

show tables;
select '${var}'; --可以结合调度参数使用。
select * from userinfo ;

说明

您可在节点高级设置处配置特有属性参数。更多属性参数设置，请参考Spark Configuration。不同类型EMR集群可配置的高级参数存在部分差异，具体如下表。

高级参数	配置说明
queue	提交作业的调度队列，默认为default队列。关于EMR YARN说明，详情请参见队列基础配置。
priority	优先级，默认为1。
FLOW_SKIP_SQL_ANALYZE	SQL语句执行方式。取值如下： `true`：表示每次执行多条SQL语句。 `false`（默认值）：表示每次执行一条SQL语句。说明该参数仅支持用于数据开发环境测试运行流程。
DATAWORKS_SESSION_DISABLE	适用于开发环境直接测试运行场景。取值如下： `true`：表示每次运行SQL语句都会新建一个JDBC Connection。 `false`（默认值）：表示用户在一个节点里运行不同的SQL语句时会复用同一个JDBC Connection。说明该参数配置为`false`时不会打印Hive的`yarn applicationId`，如需打印`yarn applicationId`，请配置该参数为`true`。
其他	您也可以直接在高级配置里追加自定义Hive Connection参数。

高级参数	配置说明
queue	提交作业的调度队列，默认为default队列。关于EMR YARN说明，详情请参见队列基础配置。
priority	优先级，默认为1。
FLOW_SKIP_SQL_ANALYZE	SQL语句执行方式。取值如下： `true`：表示每次执行多条SQL语句。 `false`（默认值）：表示每次执行一条SQL语句。说明该参数仅支持用于数据开发环境测试运行流程。
USE_GATEWAY	设置本节点提交作业时，是否通过Gateway集群提交。取值如下： `true`：通过Gateway集群提交。 `false`（默认值）：不通过Gateway集群提交，默认提交到header节点。说明如果本节点所在的集群未关联Gateway集群，此处手动设置参数取值为`true`时，后续提交EMR作业时会失败。

在工具栏单击图标，在参数对话框选择已创建的调度资源组，单击运行。
说明
- 访问公共网络或VPC网络环境的数据源需要使用与数据源测试连通性成功的调度资源组。详情请参见网络连通方案。
- 如果您后续执行任务需要修改使用的资源组，您可单击带参运行图标，选择需要更换的调度资源组。
- 使用EMR Hive节点查询数据时，返回的查询结果最大支持10000条数据，并且数据总量不能超过10M。
单击图标，保存编写的SQL语句。
（可选）冒烟测试。
如果您希望在开发环境进行冒烟测试，可在执行节点提交或节点提交后执行冒烟测试，操作详情请参见执行冒烟测试。

如您需要周期性执行创建的节点任务，可单击节点编辑页面右侧的调度配置，根据业务需求配置该节点任务的调度信息。配置详情请参见任务调度属性配置概述。

说明

您需要设置节点的重跑属性和依赖的上游节点，才可以提交节点。

节点任务配置完成后，需执行提交发布操作，提交发布后节点即会根据调度配置内容进行周期性运行。

单击工具栏中的图标，保存节点。
单击工具栏中的图标，提交节点任务。
提交时需在提交对话框中输入变更描述，并根据需要选择是否在节点提交后执行代码评审。
说明
- 您需设置节点的重跑属性和依赖的上游节点，才可提交节点。
- 代码评审可对任务的代码质量进行把控，防止由于任务代码有误，未经审核直接发布上线后出现任务报错。如进行代码评审，则提交的节点代码必须通过评审人员的审核才可发布，详情请参见代码评审。

如您使用的是标准模式的工作空间，任务提交成功后，需单击节点编辑页面右上方的发布，将该任务发布至生产环境执行，操作请参见发布任务。

任务提交发布后，会基于节点的配置周期性运行，您可单击节点编辑界面右上角的运维，进入运维中心查看周期任务的调度运行情况。详情请参见查看并管理周期任务。