E-MapReduce
E-MapReduce
- 文档首页
E-MapReduceEMR with AgentEMR skills 快速入门
文档反馈
问问助手火山引擎 EMR 为您提供了官方 EMR skills，将 EMR 的运维经验与能力沉淀为通用 skill，可集成到各类智能助手中使用，例如，火山引擎 ArkClaw、TRAE等，通过便捷地安装操作，您只需以自然语言表达需求**，**AI 智能体即可基于 EMR skill 的技能为您处理复杂的 EMR 后台运维任务。
当前 EMR skill 为您提供了以下典型应用技能。
- 定位： 一目了然的计算资源大盘。
- 核心能力： 用一张清晰的表格，告诉您当前有哪些计算队列、它们忙不忙、都支持哪些计算引擎（Spark, Ray, Presto 等）。
- 定位： 支持 Spark 和 Ray 的全能提交器。
- 核心能力： 统一入口支持 Spark SQL、Spark Jar、PySpark、Ray 四大主流作业类型。您只需提供代码或脚本，剩下的交给 ArkClaw。
- 定位： 带实时进度反馈和一键追溯的数据管家。
- 核心能力： 提交后，ArkClaw 会持续跟踪作业状态，完成后第一时间返回结果和关键日志，并附上 Spark UI 或 Ray Dashboard 的直达链接。
Skill 名称 | skill 获取链接 | Skill 介绍 |
|---|---|---|
byted-emr-skills |
|
|
方式1：使用命令安装
您可以执行 Clawhub 镜像站为您提供的通用 skill 安装命令来安装 EMR skill。
安装命令
安装命令如下。
# npm 安装安装命令 npx clawhub@latest install byted-emr-skills --registry=https://clawhub.ai
其中：
- byted-emr-skills 为本次安装的 EMR skill 名称。
安装示例
您可以在 OpenClaw/IDE 的命令终端中直接执行安装命令，即可安装对应 EMR skill，您也可以将命令发送给 OpenClaw/IDE 的 Agent，让 Agent 直接帮您执行 skill 安装命令。
安装示例
Agent 执行安装命令
手动执行安装命令
通过任务对话窗口，将安装命令发送给Agent，让Agent自主安装 skill，以使用 ArkClaw 为例。
安装完成后：- 通常 Agent 会为您返回安装结果和 skill 所在路径。
- 如果没有主动告诉您 skill 所在路径，您也可直接问 Agent 当前安装的 skill 的路径。
进入终端页面，手动执行安装命令，以 TRAE 为例。
安装完成后：- 会在您当前执行命令的目录下新建一个“skills”目录，在这个“skills”目录下安装对应的 EMR skill。
方式2：手动上传安装包
获取 EMR Skill 离线包
您可以在 Clawhub 镜像站下载最新的 EMR skill 的离线包，通过上传离线包的方式来安装 EMR skill。
安装示例
您可以将 EMR Skill 离线包送给 OpenClaw/IDE 的 Agent，让 Agent 直接帮您安装 skill，如果有界面化的上传离线Skill的操作入口，您也可以手动上传进行安装。
Agent 安装 | 手动上传 Skill 包 |
|---|---|
通过任务对话窗口，将Skill 离线包发送给Agent，让Agent自主安装 skill，以使用 ArkClaw 为例，您可以在绑定的消息渠道（如飞书）中，直接向 Agent 发送 Skill 离线包。
| 以 TRAE 为例，如果有界面化的技能配置页面，您也可以直接上传 Skill 离线包进行安装。
|
前提条件
在进行配置使用 EMR skill 前，您需要确保已开通 EMR ，并已创建了有 EMR 操作运维权限的账号认证 AK、SK。
- 开通 EMR 的操作请参见：准备工作。
- 所有 EMR skills 均需要使用 EMR 账号的AK、SK 来进行调用 skill 的鉴权，因此您需要创建并获取 EMR 账号的认证 AK、SK信息，详情请参见：Access Key（密钥）管理。
配置环境变量
- 您需要将认证的EMR 账号的AK、SK信息配置为环境变量，以便更安全地调用 EMR skill。
- 您也可以将需要操作运维的 EMR 服务所在的地域也配置为环境变量，后续进行 EMR skill 的操作时，就无需强调需要操作的 EMR 服务所在的地域；设置完成后：
- 任务描述中如果没有强调地域信息，则会自动取
- 您如果希望操作运维其他地域的 EMR 服务，在任务描述中强调地域信息即可。
以下为您介绍使用火山引擎 ArkClaw 时，如何快速设置环境变量。
登录并进入 ArkClaw 页面后，单击页面右上角的“设置”按钮，在弹窗的侧边栏中单击 “查看终端”，打开 ArkClaw 的终端配置界面。
在终端中执行
vim env.sh命令，打开环境变量配置文件，在键盘输入i，进入编辑状态，在环境变量配置文件中新增 EMR skill 所需的变量及取值。export VOLCENGINE_AK="your_emr_ak" export VOLCENGINE_SK="your_emr_sk" # 您也可以将需要操作运维的 EMR 所在的地域配置为环境变量，提高后续任务描述的效率。 export VOLCENGINE_REGION="cn-beijing"在键盘输入
esc，退出编辑状态，输入:wq，保存并退出环境变量配置文件。在终端中执行
cat env.sh命令，检查配置结果，如果配置无误，即可关闭终端窗口，返回 ArkClaw 交互页面。返回 ArkClaw 交互页面后，让 ArkClaw 参考上述步骤中的环境变量配置文件的取值进行环境变量设置。例如，输入：
用/root/env.sh配置一下我的环境变量。注意
使用 ArkClaw 时，请务必【不要】直接在终端中使用
source env.sh命令来设置环境变量，而是参考本步骤，让 ArkClaw 进行设置，这样可以让 ArkClaw 了解环境变量设置思路，可提高模型自助检查、设置环境变量的效率。
测试 skill
当 ArkClaw/OpenClaw 配置完成后，可快速测试一下 EMR skill 技能，验证环境变量配置是否正确、skill能否正常使用。
示例1：作业/集群/服务诊断
使用 EMR skill 时，您可以向 Agent 发送作业/集群/服务诊断的任务描述，以下以诊断失败作业为例，为例示例使用 EMR skill 进行对应场景深度诊断的示例。
说明
相较于直接使用 EMR 智能助手进行对应的诊断操作，使用 EMR skill 会更加灵活，例如，您可以无需指定具体的作业/集群/服务诊断的 ID 信息，可以基于 Agent 的能力，通过一些需要重点关注的场景进行更灵活的诊断。