Udostępnij za pośrednictwem


Przekształcanie danych przez uruchomienie działania usługi Azure HDInsight

Działanie usługi Azure HDInsight w usłudze Data Factory dla usługi Microsoft Fabric umożliwia organizowanie następujących typów zadań usługi Azure HDInsight:

  • Wykonywanie zapytań Hive
  • Wywoływanie programu MapReduce
  • Wykonywanie zapytań pig
  • Wykonywanie programu Spark
  • Wykonywanie programu usługi Hadoop Stream

Ten artykuł zawiera szczegółowy przewodnik opisujący sposób tworzenia działania usługi Azure HDInsight przy użyciu interfejsu usługi Data Factory.

Wymagania wstępne

Aby rozpocząć pracę, należy spełnić następujące wymagania wstępne:

Dodawanie działania usługi Azure HDInsight (HDI) do potoku za pomocą interfejsu użytkownika

  1. Utwórz nowy potok danych w obszarze roboczym.

  2. Wyszukaj usługę Azure HDInsight na karcie ekranu głównego i wybierz ją lub wybierz działanie na pasku Działania, aby dodać ją do kanwy potoku.

    • Tworzenie działania na podstawie karty ekranu głównego:

      Zrzut ekranu przedstawiający miejsce tworzenia nowego działania usługi Azure HDInsight.

    • Tworzenie działania na pasku Działania:

      Zrzut ekranu przedstawiający miejsce tworzenia nowego działania usługi Azure HDInsight na pasku Działania w oknie edytora potoku.

  3. Wybierz nowe działanie usługi Azure HDInsight na kanwie edytora potoków, jeśli nie zostało jeszcze wybrane.

    Zrzut ekranu przedstawiający działanie usługi Azure HDInsight na kanwie edytora potoków.

    Zapoznaj się ze wskazówkami dotyczącymi ustawień ogólnych, aby skonfigurować opcje znajdujące się na karcie Ustawienia ogólne.

Konfigurowanie klastra usługi HDI

  1. Wybierz kartę Klaster usługi HDI. Następnie możesz wybrać istniejące lub utworzyć nowe połączenie usługi HDInsight.

  2. W polu Połączenie z zasobami wybierz usługę Azure Blob Storage, która odwołuje się do klastra usługi Azure HDInsight. Możesz wybrać istniejący magazyn obiektów blob lub utworzyć nowy.

    Zrzut ekranu przedstawiający właściwości klastra usługi HDI dla działania usługi Azure HDInsight.

Konfigurowanie ustawień

Wybierz kartę Ustawienia , aby wyświetlić ustawienia zaawansowane dla działania.

Zrzut ekranu przedstawiający kartę Ustawienia właściwości działania usługi Azure HDInsight w oknie edytora potoków. .

Wszystkie zaawansowane właściwości klastra i wyrażenia dynamiczne obsługiwane w połączonych usługach Azure Data Factory i Synapse Analytics HDInsight są teraz również obsługiwane w działaniu usługi Azure HDInsight dla usługi Data Factory w usłudze Microsoft Fabric w sekcji Zaawansowane w interfejsie użytkownika. Te właściwości obsługują łatwe w użyciu niestandardowe wyrażenia sparametryzowane z zawartością dynamiczną.

Typ klastra

Aby skonfigurować ustawienia dla klastra usługi HDInsight, najpierw wybierz jego typ z dostępnych opcji, w tym Hive, Map Reduce, Pig, Spark i Streaming.

Hive

Jeśli wybierzesz pozycję Hive jako Typ, działanie wykonuje zapytanie Hive. Opcjonalnie możesz określić połączenie skryptu odwołujące się do konta magazynu, które zawiera typ programu Hive. Domyślnie używane jest połączenie magazynu określone na karcie Klaster usługi HDI. Należy określić ścieżkę pliku do wykonania w usłudze Azure HDInsight. Opcjonalnie możesz określić więcej konfiguracji w sekcji Zaawansowane, informacje debugowania, limit czasu zapytania, argumenty, parametry i zmienne.

Zrzut ekranu przedstawiający typ klastra Hive.

Zmniejszanie mapy

W przypadku wybrania opcji Map Reduce (Zmniejszenie mapy) dla opcji Typ działanie wywołuje program mapowania redukcji. Opcjonalnie można określić w połączeniu Jar odwołującym się do konta magazynu, które zawiera typ redukcji mapy. Domyślnie używane jest połączenie magazynu określone na karcie Klaster usługi HDI. Należy określić nazwę klasy i ścieżkę pliku do wykonania w usłudze Azure HDInsight. Opcjonalnie możesz określić więcej szczegółów konfiguracji, takich jak importowanie bibliotek Jar, informacje o debugowaniu, argumenty i parametry w sekcji Zaawansowane .

Zrzut ekranu przedstawiający wybór opcji Map Reduce for the HDInsight cluster type (Zmniejszenie mapy dla typu klastra usługi HDInsight).

Pig

Jeśli wybierzesz wartość Pig dla pozycji Typ, działanie wywołuje zapytanie Pig. Opcjonalnie możesz określić ustawienie Połączenia skryptu, które odwołuje się do konta magazynu, które zawiera typ pig. Domyślnie używane jest połączenie magazynu określone na karcie Klaster usługi HDI. Należy określić ścieżkę pliku do wykonania w usłudze Azure HDInsight. Opcjonalnie możesz określić więcej konfiguracji, takich jak informacje o debugowaniu, argumenty, parametry i zmienne w sekcji Zaawansowane .

Zrzut ekranu przedstawiający wybór typu Pig dla klastra usługi HDInsight.

platforma Spark

Jeśli wybierzesz wartość Spark dla pozycji Typ, działanie wywołuje program Spark. Wybierz skrypt lub plik Jar dla typu platformy Spark. Opcjonalnie możesz określić połączenie zadania odwołujące się do konta magazynu, które zawiera typ platformy Spark. Domyślnie używane jest połączenie magazynu określone na karcie Klaster usługi HDI. Należy określić ścieżkę pliku do wykonania w usłudze Azure HDInsight. Opcjonalnie możesz określić więcej konfiguracji, takich jak nazwa klasy, użytkownik proxy, informacje debugowania, argumenty i konfiguracja platformy Spark w sekcji Zaawansowane.

Zrzut ekranu przedstawiający wybór typu spark dla klastra usługi HDInsight.

Przesyłanie strumieniowe

W przypadku wybrania opcji Przesyłanie strumieniowe dla pozycji Typ działanie wywołuje program przesyłania strumieniowego. Określ nazwy mapatora i reduktora, a opcjonalnie możesz określić połączenie z plikiem odwołujące się do konta magazynu, które zawiera typ przesyłania strumieniowego. Domyślnie używane jest połączenie magazynu określone na karcie Klaster usługi HDI. Należy określić ścieżkę pliku dla mapatora i ścieżki pliku dla reduktora do wykonania w usłudze Azure HDInsight. Uwzględnij opcje Dane wejściowe i wyjściowe , a także ścieżkę WASB. Opcjonalnie możesz określić więcej konfiguracji, takich jak informacje o debugowaniu, argumenty i parametry w sekcji Zaawansowane.

Zrzut ekranu przedstawiający wybór typu przesyłania strumieniowego dla klastra usługi HDInsight.

Odwołanie do właściwości

Właściwości Opis Wymagania
type W przypadku działania przesyłania strumieniowego usługi Hadoop typ działania to HDInsightStreaming Tak
Mapowania Określa nazwę pliku wykonywalnego mapatora Tak
Reduktor Określa nazwę pliku wykonywalnego reduktora Tak
łączenie Określa nazwę pliku wykonywalnego łączenia Nie.
połączenie pliku Odwołanie do połączonej usługi Azure Storage używanej do przechowywania programów Mapper, Combiner i Reducer do wykonania. Nie.
W tym miejscu obsługiwane są tylko połączenia usługi Azure Blob Storage i ADLS Gen2. Jeśli nie określisz tego połączenia, zostanie użyte połączenie magazynu zdefiniowane w połączeniu usługi HDInsight.
filePath Podaj tablicę ścieżek do programów Mapper, Combiner i Reducer przechowywanych w usłudze Azure Storage, do których odwołuje się połączenie pliku. Tak
input Określa ścieżkę WASB do pliku wejściowego mapatora. Tak
output Określa ścieżkę WASB do pliku wyjściowego reduktora. Tak
getDebugInfo Określa, kiedy pliki dziennika są kopiowane do usługi Azure Storage używanej przez klaster usługi HDInsight (lub) określony przez scriptLinkedService. Nie.
Dozwolone wartości: Brak, Zawsze lub Niepowodzenie. Wartość domyślna: None.
Argumenty Określa tablicę argumentów dla zadania hadoop. Argumenty są przekazywane jako argumenty wiersza polecenia do każdego zadania. Nie.
Definiuje Określ parametry jako pary klucz/wartość, aby odwoływać się do skryptu Hive. Nie.

Zapisywanie i uruchamianie lub planowanie potoku

Po skonfigurowaniu innych działań wymaganych dla potoku przejdź do karty Narzędzia główne w górnej części edytora potoków i wybierz przycisk zapisz, aby zapisać potok. Wybierz pozycję Uruchom , aby uruchomić go bezpośrednio lub Zaplanuj , aby go zaplanować. Historię uruchamiania można również wyświetlić tutaj lub skonfigurować inne ustawienia.

Zrzut ekranu przedstawiający kartę Narzędzia główne edytora potoków z wyróżnionymi przyciskami Zapisz, Uruchom i Zaplanuj.

Jak monitorować uruchomienia potoków