Die Funktion DataprocFileOutputCommitter ist eine erweiterte Version der Open-Source-Version FileOutputCommitter
. Es ermöglicht gleichzeitige Schreibvorgänge von Apache Spark-Jobs an einem Ausgabespeicherort.
Beschränkungen
Das Feature DataprocFileOutputCommitter
unterstützt Spark-Jobs, die auf Dataproc Compute Engine-Clustern ausgeführt werden, die mit den folgenden Image-Versionen erstellt wurden:
2.1 Image-Versionen 2.1.10 und höher
2.0-Image-Versionen 2.0.62 und höher
DataprocFileOutputCommitter
verwenden
So verwenden Sie dieses Feature:
Erstellen Sie einen Dataproc in Compute Engine-Cluster mit den Image-Versionen
2.1.10
,2.0.62
oder höher.Legen Sie
spark.hadoop.mapreduce.outputcommitter.factory.class=org.apache.hadoop.mapreduce.lib.output.DataprocFileOutputCommitterFactory
undspark.hadoop.mapreduce.fileoutputcommitter.marksuccessfuljobs=false
als Jobattribut fest, wenn Sie einen Spark-Job an den Cluster senden.- Beispiel für Google Cloud CLI:
gcloud dataproc jobs submit spark \ --properties=spark.hadoop.mapreduce.outputcommitter.factory.class=org.apache.hadoop.mapreduce.lib.output.DataprocFileOutputCommitterFactory,spark.hadoop.mapreduce.fileoutputcommitter.marksuccessfuljobs=false \ --region=REGION \ other args ...
- Codebeispiel:
sc.hadoopConfiguration.set("spark.hadoop.mapreduce.outputcommitter.factory.class","org.apache.hadoop.mapreduce.lib.output.DataprocFileOutputCommitterFactory") sc.hadoopConfiguration.set("spark.hadoop.mapreduce.fileoutputcommitter.marksuccessfuljobs","false")