MaxCompute（原ODPS）使用总结-初级篇

转载自jiyi
引言

        本文面向的读者是要使用ODPS sql进行一些数据查询和挖掘，或者要使用ODPS udf自定义函数的用户。本文试图达到三个目标：（1）针对应用管理者来讲，看完本文后可以比较清晰的去管理自己的应用；（2）针对ODPS sql使用者来讲，本文在sql语句的内建函数使用以及sql语句加速方面，给出了一些例子；（3）针对ODPS UDF使用者和开发者来讲，本文提供了一个UDF函数创建的完整例子并给出了无IDE依赖的java工程，可直接在公司内部机器上编译使用。具体的内容安排如下。

• 第1节介绍了ODPS数据上传下载的一些知识，通过本章你可以将数据上传到ODPS中亦可将ODPS中的数据下载到本地。
• 第2节阐述了ODPS sql语句中一些内建函数的使用以及sql语句加速的一些技巧。
• 第3节阐述了ODPS UDF函数的创建以及使用的整个例子，欢迎大家一起贡献常用的UDF函数。
• 第4节中介绍了如何实时的进行在线以及离线的任务监控。
• 第5节中介绍了如何进行ODPS存储优化。

 

1.MaxCompute数据上传下载

使用Datahub ，对表格进行上传/下载 

更多上传下载相关参数请查看

https://help.aliyun.com/document_detail/27849.html?spm=5176.doc27864.6.154.k7rmpf

2.MaxCompute sql语句

 

sql语句样例

         在ODPS sql界面上可以很方便的执行sql语句，以下简要介绍几个odps上内建函数的使用。更多的内建函数请参考https://help.aliyun.com/document_detail/27864.html

聚类采样

create table A_sample as

select `(sample_flag)?+.+` from

(

    select *, cluster_sample(20, 1) over (partition by A_key1) as sample_flag

    from A

) sample

where sample_flag=true;

行记录合并

create table A_group as

select  A_key1, wm_concat(',', A_key2) as A_key2s from A

group by A_key1;

 

计算分割串个数

create table A_count_key_size as

select *, size(split(A_key, ',')) as A_key_count

from A;

行记录序号打标

create table A_rowno as

select *, ROW_NUMBER() OVER(PARTITION BY 1  order by A_key) as row_no

from A;

sql单语句加速

 如何控制ODPS原生sql语句分配的节点个数？有以下两种方法可以设置。
1.通过参数设置：
set odps.sql.mapper.merge.limit.size=64;
set odps.sql.mapper.split.size=256;
这两个sql参数可以控制分配的节点个数，更多sql参数请参考https://yq.aliyun.com/articles/60898。如果把参数设到了极限，sql分配的节点个数还是不能满足需求的话，怎么办？没事，我们还可以将表格进行分区，如下所述。
2. 对表格进行分区：
create table A_rowno as
select A_key, ROW_NUMBER() OVER(PARTITION BY 1  order by A_key) as row_no
from A; 

create table A_pt
(A_key string
)
partitioned by (row_remainder bigint); 

insert overwrite table A_pt partition(row_remainder)
select A_key, row_no%2000 as row_remainder
from A_rowno;

为了描述的方便，我将各个步骤分开来写，实际操作中可以将一些合并起来写。 

 

3.MaxCompute UDF

       
编写UDF参考https://yq.aliyun.com/articles/61887

 

4.MaxCompute数据和任务的线上监控

         日常任务上线后，我们必须做好监控措施，这样才能在任务发生异常后进行及时地发现错误然后纠正恢复。实时的任务监控可以访问网站http://data.aliyun.com 里的大数据开发套件进行任务资源占用的监控，并同时访问任务返回的logview进行查看。

5.MaxCompute存储优化

随着应用中人数以及业务的不断增加，ODPS应用里会有很多表的生成，这时候需要应用的负责人去做好ODPS的存储优化https://yq.aliyun.com/articles/61532?spm=5176.100240.searchblog.22.anssTb，否则每周推送过来的应用资源消耗周账单中的健康度会非常低，也比较浪费ODPS的存储资源。

欢迎加入 MaxCompute 钉钉群讨论

原文链接：

http://click.aliyun.com/m/13982/