EMR Sensor

1 概述

任务执行前，如需要依赖上游 Hive 表某个或某几个分区数据就绪才可执行时，可将数据依赖转化成 Hive-Sensor 任务依赖；
任务执行前，如需要依赖上游 HDFS 数据就绪才执行当前任务时，可将 HDFS 数据依赖转化成 HDFS-Sensor 任务依赖。

2 注意事项

• 当项目绑定引擎为火山引擎 E-MapReduce（EMR）类型时，才可见 EMR Sensor 任务。
• Sensor 任务不需要设置偏移量，若下游依赖该 Sensor 任务需要设置偏移时，在对应任务的调度设置中，填写偏移量即可
• Sensor 任务默认失败重试 600 次，每隔 5min 重试一次，超过 600 次后，不再重试。后续如果数据就绪，请重跑 Sensor 对应的实例。

3 任务配置说明

3.1 新建任务

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：默认关联项目管理中绑定 EMR 引擎实例信息。
   4. 选择任务：EMR Sensor 类型，可以实现对 Hive 表数据和 HDFS 文件路径下数据的监控。
5. 任务基本信息：
   1. 任务名称：输入任务名称，只允许字符.、字母、数字、下划线、连字符、[]、【】、（）、()以及中文字符，且需要控制在127个字符以内。
   2. 保存至：选择任务保存目录位置。
   3. 任务描述：输入当前任务的描述。
      

3.2 EMR HDFS-Sensor 任务

• 任务名称：新建任务时输入的任务名称
• 描述：添加描述方便后续查看和管理，非必填
• 责任人：任务所属责任人
• 数据来源：实时任务产出
• 实时任务：支持按照任务 ID、名称、产出数据保存路径搜索
• 数据保存路径：HDFS 路径
• 数据所属引擎：下拉选择 EMR 引擎 及对应实例信息
• SUCCESS 标签地址：HDFS 数据对应的 SUCCESS 地址，SUCCESS 标签地址中输入 ${date} 或 ${hour} 时，系统会根据标签自动识别分区
  • ${date} 业务时间日期，格式为:yyyymmdd，如:20150526
  • ${hour} 业务时间整点，用于小时级别任务，格式为: hh，如：02
• 调度资源组：系统默认公共资源组
• 调度周期：希望 Sensor 任务执行的周期，如每天，或每小时
• 执行时间：选择调度周期后，展示调度时间选择选项。小时级时，设置每次在某一小时的 XX 分执行，可以多选小时；天级别可设置每天 XX 时，XX 分执行。
• 检查次数：默认失败重试 600 次
• 检查间隔：每隔 5 min 重试一次

3.3 EMR Hive-Sensor 任务

• 任务名称：新建任务时输入的任务名称
• 描述：添加描述方便后续查看和管理，非必填
• 责任人：任务所属责任人
• 数据来源：实时任务产出
• 实时任务：支持按照任务 ID、名称、产出数据保存路径搜索
• 数据所属引擎：下拉选择 EMR 引擎 及对应实例信息
• 数据库：选择需要依赖的 Hive 分区表所在的数据库
• 数据表：选择需要依赖的 Hive 分区表
• 获取分区：
  • 输入表名后，单击获取分区 ，若希望依赖分区为 App 的某一应用的分区，如：newarticels，则输入对应的分区名称即可；
  • 日期分区可直接使用获取的 ${date} 的信息
  • 同一个分区字段依赖多个分区值时，可使用英文逗号分隔，如 aa,bb,cc
• 调度资源组：系统默认公共资源组
• 调度周期：希望 Sensor 任务执行的周期，如每天，或每小时
• 执行时间：选择调度周期后，展示调度时间选择选项。小时级时，设置每次在某一小时的 XX 分执行，可以多选小时；天级别可设置每天 XX 时，XX 分执行。
• 检查次数：默认失败重试 600 次
• 检查间隔：每隔 5 min 重试一次

3.4 调试运行

任务配置完成后，单击界面上方工具栏中的调试按钮，并选择业务日期进行调试。

4 提交上线

任务所需参数配置和调试任务成功后，将任务提交发布到运维中心离线任务运维中执行。 单击操作栏中的保存和提交上线按钮，在弹窗中，需先通过提交上线流程，最后单击确认按钮，完成作业提交。详见5.1 离线任务提交。
后续任务运维操作详见：离线任务运维。