maxcompute配置问题之配置回退的参数如何解决

本文涉及的产品
大数据开发治理平台DataWorks,Serverless资源组抵扣包300CU*H
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: MaxCompute配置是指在使用阿里云MaxCompute服务时对项目设置、计算资源、存储空间等进行的各项调整;本合集将提供MaxCompute配置的指南和建议,帮助用户根据数据处理需求优化其MaxCompute环境。

问题一:请问下MaxCompute外层quota管理这里的配置是怎么修改的?


请问下MaxCompute外层quota管理这里的配置是怎么修改的?



没找到修改按钮呢


参考回答:

在quota计划里面修改。https://help.aliyun.com/document_detail/452201.html?spm=a2c4g.27797.0.0.7546cd53xHHNAZ


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/512702?spm=a2c6h.14164896.0.0.49144853jHPS7Y


问题二:MaxCompute怎么把set的这个配置下沉到后面所有要执行的sql啊?


我用odps-sdk执行一批sql,在这之前set了一个配置,MaxCompute怎么把set的这个配置下沉到后面所有要执行的sql啊? 目前验证了两种方式: 一:单条执行,set配置不生效; 二:脚本化执行,set配置生效,但是报错“cannot read table xxxxx after modification, please use variable instead: read table data into a variable before writing or access variables which represent new data”。 理解为在同一脚本中,insert过的表a,不能被select。 有没有别的方式可以解决这个问题啊?


参考回答:

可以project级别提前设置一下参数,setproject 参数=value;select1;


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/512964?spm=a2c6h.14164896.0.0.49144853jHPS7Y


问题三:MaxCompute计算资源是odps系统决定的吗?可以自己配置吗?


MaxCompute计算资源是odps系统决定的吗?可以自己配置吗?


参考回答:

如果是预付费quota,可以配置mcqa的资源。



参考文档https://help.aliyun.com/document_detail/452201.html?spm=a2c4g.180701.0.0.28ac7e3cDOwUw3#section-7ip-fnz-of6。如果是后付费quota,是底层分配的计算资源


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/509889?spm=a2c6h.14164896.0.0.49144853jHPS7Y


问题四:MaxCompute中pyodps mcqa并没有直接配置回退的参数,能给个例子吗?



MaxCompute中pyodps mcqa并没有直接配置回退的参数,能给个例子吗?https://www.alibabacloud.com/help/zh/maxcompute/latest/maxcompute-query-acceleration-overview是这个链接


参考回答:

我理解是用run_sql_interactive()这个方式执行是启用MCQA功能,用平时的SQL执行方法就不开启MCQA功能。看看这个 https://help.aliyun.com/document_detail/90441.html?spm=a2c4g.90412.0.0.67b84fc9s5wMie


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/507424?spm=a2c6h.14164896.0.0.4ad24853QzJ9If


问题五:MaxCompute现在是这样的,没有dataworks的配置也没有默认自动创建,怎么回事?


文档链接https://help.aliyun.com/document_detail/27815.htm?spm=a2c4g.58226.0.0.78ee1768TJaN9L#task-zl2-mtx-5db



MaxCompute现在是这样的,没有dataworks的配置也没有默认自动创建,怎么回事?


参考回答:

文档还没来及更新。 两种方式 1、通过MaxCompute控制台创建项目,不需要优先创建DataWorks工作空间,也不会自动创建DataWorks工作空间 2、通过DataWorks工作空间,关联MaxCompute引擎。 新版控制台参考这个文档。https://help.aliyun.com/document_detail/452356.htm?spm=a2c4g.27815.0.0.76a52aeaH1t1wk#task-2242196


关于本问题的更多回答可点击原文查看:https://developer.aliyun.com/ask/511450?spm=a2c6h.14164896.0.0.4ad24853QzJ9If

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
44 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
2月前
|
运维 监控 数据可视化
大数据-171 Elasticsearch ES-Head 与 Kibana 配置 使用 测试
大数据-171 Elasticsearch ES-Head 与 Kibana 配置 使用 测试
83 1
|
2月前
|
消息中间件 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(二)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(二)
45 2
|
2月前
|
存储 消息中间件 druid
大数据-151 Apache Druid 集群模式 配置启动【上篇】 超详细!
大数据-151 Apache Druid 集群模式 配置启动【上篇】 超详细!
92 1
|
2月前
|
存储 机器学习/深度学习 分布式计算
大数据技术——解锁数据的力量,引领未来趋势
【10月更文挑战第5天】大数据技术——解锁数据的力量,引领未来趋势
|
1月前
|
存储 分布式计算 数据挖掘
数据架构 ODPS 是什么?
数据架构 ODPS 是什么?
304 7
|
1月前
|
存储 分布式计算 大数据
大数据 优化数据读取
【11月更文挑战第4天】
47 2
|
1月前
|
数据采集 监控 数据管理
数据治理之道:大数据平台的搭建与数据质量管理
【10月更文挑战第26天】随着信息技术的发展,数据成为企业核心资源。本文探讨大数据平台的搭建与数据质量管理,包括选择合适架构、数据处理与分析能力、数据质量标准与监控机制、数据清洗与校验及元数据管理,为企业数据治理提供参考。
86 1
|
26天前
|
机器学习/深度学习 存储 大数据
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系
在大数据时代,高维数据处理成为难题,主成分分析(PCA)作为一种有效的数据降维技术,通过线性变换将数据投影到新的坐标系,保留最大方差信息,实现数据压缩、去噪及可视化。本文详解PCA原理、步骤及其Python实现,探讨其在图像压缩、特征提取等领域的应用,并指出使用时的注意事项,旨在帮助读者掌握这一强大工具。
63 4
|
1月前
|
存储 大数据 数据管理
大数据分区简化数据维护
大数据分区简化数据维护
24 4