阿里云云原生大数据计算服务 MaxCompute本地运行-云淘科技

各阶段介绍

本地运行前：通过在Jar命令中设置–local参数，在本地模拟MapReduce的运行过程，从而进行本地调试。

本地运行时：客户端会从MaxCompute中下载本地调试所需要的输入表的元信息、数据，所需要的资源以及输出表的元信息，并将这些信息保存到一个名为warehouse的本地目录中。

本地运行结束后：程序运行结束后，会将计算结果输出到warehouse目录内的一个文件中。如果本地的warehouse目录下已经下载了输入表及被引用的资源，在下一次运行时，会直接引用warehouse下的数据及文件，无需重复下载。

本地运行和分布式环境运行差异

在本地运行的过程中，仍然会启动多个Map及Reduce进程处理数据，但这些进程不是并发运行，而是依次串行运行。

此外，这个本地模拟运行过程与真正的分布式运行有如下差别：

• 输入表行数限制：目前最多只支持下载100行数据。
• 资源的使用：在分布式环境中，MaxCompute会限制引用资源的大小，详情请参见MR限制汇总。但在本地运行环境中，不会有资源大小的限制。
• 安全限制：MaxCompute MapReduce及UDF程序在分布式环境中运行时受到Java沙箱的限制。但在本地运行时，没有此限制。

本地运行示例

本地运行的示例如下。

    odps:my_project> jar -l com.aliyun.odps.mapred.example.WordCount wc_in wc_out
    Summary:
    counters: 10
        map-reduce framework
                combine_input_groups=2
                combine_output_records=2
                map_input_bytes=4
                map_input_records=1
                map_output_records=2
                map_output_[wc_out]_bytes=0
                map_output_[wc_out]_records=0
                reduce_input_groups=2
                reduce_output_[wc_out]_bytes=8
                reduce_output_[wc_out]_records=2
    OK

关于WordCount示例的代码介绍请参见WordCount示例。

如果您是第一次运行本地调试命令，命令成功结束后，会在当前路径下看到一个名为warehouse的路径。warehouse的目录结构如下所示。

   |____my_project(项目空间目录)
          |____ 
          |       |__wc_in(表数据目录)
          |       |      |____ data(文件)
          |       |      |
          |       |      |____  (文件)
          |       |__wc_out（表数据目录）
          |               |____ data(文件)
          |               |
          |               |____  (文件)
          |
          |____ 
                  |
                  |___table_resource_name (表资源)
                  |         |____
                  |
                  |___ file_resource_name（文件资源）

• my_project的同级目录表示项目空间。wc_in及wc_out表示数据表，您在Jar命令中读写的表文件数据会被下载到这级目录下。
• 文件中的内容表示表的元信息，其文件格式定义如下。

    project=local_project_name
    table=local_table_name
    columns=col1_name:col1_type,col2_name:col2_type
    partitions=p1:STRING,p2:BIGINT    --本示例中不需要此字。

  其中，列名与列类型使用英文冒号分隔，列与列之间使用英文逗号分隔。文件的最前面需要声明Project名字及Table名字，即project_name.table_name，并通过英文逗号与列的定义做分隔，即project_name.table_name,col1_name:col1_type,col2_name:col2_type,……。

• tables目录中data文件表示表的数据。列的数量及数据必须与_schema_文件的定义相符，不能多列或者少列，列之间使用逗号分隔。

  wc_in的_schema_文件内容如下。

  my_project.wc_in,key:STRING,value:STRING

  data文件内容如下。

  0,2

  客户端会从MaxCompute中下载表的元信息及部分数据内容，并保存到上述两个文件中。如果再次运行此示例，将直接使用wc_in目录下的数据，不会再次下载。

  
  说明 仅在MapReduce的本地运行模式下支持从MaxCompute中下载数据的功能。

  wc_out的_schema_文件内容如下。

  my_project.wc_out,key:STRING,cnt:BIGINT

  data文件内容如下。

    0,1
    2,1

  客户端会从MaxCompute中下载wc_out表的元信息，并保存到_schema_文件中。而本地运行后，生成的结果数据，则保存到data文件中。

  
  说明

  • 您也可以自行编辑_schema_及data文件，而后将这两个文件放置在对应的表目录下。
  • 在本地运行时，客户端检测到表目录已经存在，则不会从MaxCompute中下载这个表的信息。本地的表目录可以是MaxCompute中不存在的表。