MapReduce(MR) 节点

综述

MapReduce(MR) 任务类型,用于执行 MapReduce 程序。对于 MapReduce 节点,worker 会通过使用 Hadoop 命令 hadoop jar 的方式提交任务。更多详情查看 Hadoop Command Manual

创建任务

  • 点击项目管理-项目名称-工作流定义,点击"创建工作流"按钮,进入 DAG 编辑页面。
  • 拖动工具栏中的 任务节点到画板中,如下图所示:

任务参数

  • 节点名称:设置任务的名称。一个工作流定义中的节点名称是唯一的。
  • 运行标志:标识这个节点是否能正常调度,如果不需要执行,可以打开禁止执行开关。
  • 描述:描述该节点的功能。
  • 任务优先级:worker 线程数不足时,根据优先级从高到低依次执行,优先级一样时根据先进先出原则执行。
  • Worker 分组:任务分配给 worker 组的机器执行,选择Default,会随机选择一台 worker 机执行。
  • 环境名称:配置运行脚本的环境。
  • 失败重试次数:任务失败重新提交的次数。
  • 失败重试间隔:任务失败重新提交任务的时间间隔,以分为单位。
  • 延迟执行时间:任务延迟执行的时间,以分为单位。
  • 超时告警:勾选超时告警、超时失败,当任务超过"超时时长"后,会发送告警邮件并且任务执行失败。
  • 资源:是指脚本中需要调用的资源文件列表,资源中心-文件管理上传或创建的文件。
  • 自定义参数:是 MapReduce 局部的用户自定义参数,会替换脚本中以 ${变量} 的内容。
  • 前置任务:选择当前任务的前置任务,会将被选择的前置任务设置为当前任务的上游。

JAVA/SCALA 程序

  • 程序类型:选择 JAVA/SCALA 语言。
  • 主函数的 Class:是 MapReduce 程序的入口 Main Class 的全路径
  • 主程序包:执行 MapReduce 程序的 jar 包。
  • 任务名称(选填):MapReduce 任务名称。
  • 命令行参数:是设置 MapReduce 程序的输入参数,支持自定义参数变量的替换。
  • 其他参数:支持 –D、-files、-libjars、-archives 格式。
  • 资源: 如果其他参数中引用了资源文件,需要在资源中选择指定
  • 自定义参数:是 MapReduce 局部的用户自定义参数,会替换脚本中以 ${变量} 的内容

Python 程序

  • 程序类型:选择 Python 语言。
  • 主 jar 包:是运行 MapReduce 的 Python jar 包。
  • 其他参数:支持 –D、-mapper、-reducer、-input -output格式,这里可以设置用户自定义参数的输入,比如:
  • -mapper "mapper.py 1" -file mapper.py -reducer reducer.py -file reducer.py –input /journey/words.txt -output /journey/out/mr/${currentTimeMillis}
  • 其中 -mapper 后的 mapper.py 1是两个参数,第一个参数是 mapper.py,第二个参数是 1。
  • 资源: 如果其他参数中引用了资源文件,需要在资源中选择指定。
  • 自定义参数:是 MapReduce 局部的用户自定义参数,会替换脚本中以 ${变量} 的内容。

任务样例

执行 WordCount 程序

该样例为 MapReduce 应用中常见的入门类型,主要为统计输入的文本中,相同单词的数量有多少。

在 DolphinScheduler 中配置 MapReduce 环境

若生产环境中要是使用到 MapReduce 任务类型,则需要先配置好所需的环境。配置文件如下:worker/bin/dolphinscheduler_env.sh

mr_configure

上传主程序包

在使用 MapReduce 任务节点时,需要利用资源中心上传执行程序的 jar 包。可参考资源中心

当配置完成资源中心之后,直接使用拖拽的方式,即可上传所需目标文件。

resource_upload

配置 MapReduce 节点

根据上述参数说明,配置所需的内容即可。

demo-mr-simple