EMR StarRocks

1 概述

火山引擎 E-MapReduce（EMR）StarRocks 是新一代极速全场景 MPP 型数据库。StarRocks 的愿景是能够让您的数据分析变得更加简单和敏捷。您无需经过复杂的预处理，就可以用 StarRocks 来支持多种数据分析场景的极速分析。
使用 EMR StarRocks，您可以灵活构建包括大宽表、星型模型、雪花模型在内的各类模型，兼容 MySQL 协议，支持标准 SQL 语法，便于您对接使用。
本文将为您介绍通过 DataLeap 创建 EMR StarRocks 节点，使用 SQL 语句，周期性的在 StarRocks 集群中进行数据加工、查询、分析等操作。

2 使用前提

1. 若仅开通 DataLeap 版本中湖仓一体的服务，项目不支持绑定 EMR 引擎。详见版本服务说明。
2. 已创建 EMR-3.2.1 及以上的 StarRocks 集群类型版本。详见创建集群。
3. Dataleap 项目控制台中需绑定创建的 EMR StarRocks 集群，首次绑定集群时，会提示在 EMR 集群关联的安全组中添加 8898 和 9030 端口，您单击确定按钮即可实现自动添加。添加后，为确保能在 DataLeap 上正常进行数据开发和执行任务，需保证相关端口一直存在于安全组中，不要删除。
   
   详见创建项目。

3 新建任务

任务配置步骤如下：

1. 登录 DataLeap租户控制台 。
2. 在概览界面，显示加入的项目中，单击数据开发进入对应项目。
3. 在任务开发界面，左侧导航栏中，单击新建任务按钮，进入新建任务页面。
4. 选择任务类型：
   1. 分类：数据开发。
   2. 绑定引擎：EMR。
   3. 关联实例：在下拉列表中选择项目绑定时的 StarRocks 引擎实例，项目支持绑定多个 EMR 引擎，您可在多个引擎实例中选取该任务需执行的引擎实例。多引擎绑定详见创建项目。
   4. 选择任务：离线数据 EMR StarRocks SQL。
5. 填写任务基本信息：
   1. 任务名称：输入任务的名称，只允许字符.、字母、数字、下划线、连字符、[]、【】、（）、()以及中文字符，且需要在127个字符以内。
   2. 保存至： 选择任务存放的目标文件夹目录。
6. 单击确认按钮，成功创建任务。

4 配置任务

任务创建成功后，进入到 EMR StarRocks 任务配置界面，在配置界面中您可按需编写 StarRocks 支持的 SQL 语法。

4.1 编辑任务

在代码编辑器界面，输入对应 EMR StarRocks SQL 语句，示例如下：

--创建 StarRocks 数据库；
CREATE DATABASE IF NOT EXISTS emr_sr_x; 

--创建数据表
DROP TABLE IF EXISTS emr_sr_x.sr_test_table;
CREATE TABLE IF NOT EXISTS emr_sr_x.sr_test_table
(
    event_day DATE,
    siteid INT DEFAULT '10',
    city VARCHAR(32) DEFAULT '',
    username VARCHAR(32) DEFAULT '',
    pv BIGINT SUM DEFAULT '0'
)
AGGREGATE KEY(event_day, siteid, city, username)
PARTITION BY RANGE(event_day)
(
    PARTITION p201706 VALUES LESS THAN ('2020-07-01'),
    PARTITION p201707 VALUES LESS THAN ('2020-08-01'),
    PARTITION p201708 VALUES LESS THAN ('2020-09-01')
)
DISTRIBUTED BY HASH(siteid) BUCKETS 10
PROPERTIES("replication_num" = "1");

--清空表中历史数据
TRUNCATE TABLE emr_sr_x.sr_test_table;

--插入新数据
insert into emr_sr_x.sr_test_table VALUES ('2020-07-11',27,'天津市丽县', '张三',1669);

--查询 StarRocks 表中数据
SELECT * FROM emr_sr_x.sr_test_table;

4.2 导航栏功能区解析

4.3 调度设置

任务配置完成后，在右侧导航栏中，单击调度配置按钮，进入调度配置窗口，您可以在此设置基本信息、调度属性、依赖等信息，详细参数设置详见：调度设置。

4.3.1 任务产出数据登记

任务产出数据登记，用于记录任务、数据血缘信息，并不会对代码逻辑造成影响。您可在调度设置 > 任务产出数据登记一栏中，设置产出登记相关信息。
对于系统无法通过解析获取产出信息的其他任务，EMR StarRocks 任务可自动或手动方式登记其产出信息。如果任务含有 StarRocks 库表数据的产出，则强烈建议填写，以便后续维护任务数据血缘关系。

• 自动登记：
  任务产出数据使用“自动登记”模式，则任务每次上线时，系统将根据代码解析结果自动进行更新。您可单击查看“线上版本”的产出数据、查看“草稿版本”的产出数据按钮，查看当前任务不同版本下的产出数据自动登记结果。
• 手动登记：
  您手动填写的内容即为任务产出，支持填写多个。其他任务依赖时，您可在其调度设置界面，通过依赖推荐或手动添加的方式，依据此处 StarRocks 任务产出的库表名信息来搜索添加依赖。 具体登记内容包括以下数据类型：
  • StarRocks：该任务逻辑会将数据写入到 StarRocks 表，需填写 StarRocks 数据库名、表名、分区名，分区内容可以使用变量，如 ${date}、${hour} 形式。
  • 其他：该任务逻辑不写数据到 StarRocks 表。

5 查询控制台

5.1 调试任务

任务代码逻辑和参数配置完成后，您可在编辑器上方，单击操作栏中的保存和调试按钮，进行任务调试。

5.2 调试记录

调试任务开始运行后，可在下方查看调试记录，您也可以查看任务的历史运行记录，包括状态、业务日期、开始时间、结束时间、耗时、提交人等。
单击调试记录，可以查看以下详情内容：

• 结果：展示代码执行后的查询结果。

  说明

  因结果页界面预览数据上限为 1000，以及项目数据安全设置均存在限制，查询结果显示数据可能小于实际数据量。建议按如下处理方式：

  • 前往项目控制台，调整项目数据安全设置上限，上限 1 万行。
  • 项目控制台 > 配置信息 > 数据安全设置 > 查询结果勾选允许下载，您便可在查询结果区域单击下载按钮，下载完整数据至本地查看。
    操作详见：新建项目。
• 概览：查看运行结果的代码。
• 日志：查看运行详情，可下载日志。

6 提交任务

查询结果确认无误后，单击上方操作栏中的保存和提交上线按钮，在提交上线对话框中，选择回溯数据、监控设置、提交设置等参数，最后单击确认按钮，完成作业提交。 提交上线说明详见：数据开发概述---离线任务提交。
后续任务运维操作详见：离线任务运维。