我在EMR上运行一个 按需创建 的hive集群进行计算,每天定时启动一次,计算完成时间不定,hive运算结果存储在输入目录下的一个随机id文件夹里面(如指定hive集群日志在oss 的存储目录为 /tmp, 则会在tmp下随机生成一个数字文件名,并存储相关的运行结果),请问 数据集成 在这个时候怎么样去配置 把 oss里面的结果同步到 RDS
这里主要的问题是Emr的hive作业运行完成后,不能通知CDP去运行同步job。
目前可以全部在E-mapreduce的控制平台完成的。
1、第一个job,运行hive
2、第二个job,运行sqoop把数据从hdfs上同步到rds中(可以参考https://yq.aliyun.com/articles/25897?spm=0.0.0.0.6mMzHM)
再新建一个执行计划,把这两个job串联起来。
ps:目前没有加sqoop的作业类型,后续我们会添加的。
目前可以:
选择hadoop作业,作业参数设置为:
;sqoop xxx 也可以跑sqoop,本质就是一个shell
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。