Docker 作业示例 - 批量计算

作业准备

本作业程序使用 python 编写，目的是统计一个日志文件中 “INFO”，”WARN”，”ERROR”，”DEBUG” 出现的次数。

该作业包含3个任务: split, count 和 merge。

• split 任务会把日志文件分成 3 份。
• count 任务会统计每份日志文件中“INFO”,”WARN”,”ERROR”,”DEBUG”出现的次数 (count 任务需要配置 InstanceCount 为 3，表示同时启动 3 个 count 任务)。
• merge 任务会把 count 的结果统一合并起来。

DAG图例:

A) 上传数据文件到 OSS

下载本示例所需的数据: log-count-data.txt

将 log-count-data.txt 上传到:

oss://your-bucket/log-count/log-count-data.txt

• your-bucket 表示对应的 bucket，本示例假设 region 为: cn-shenzhen。
• 上传数据到OSS，请参考 OSS 上传文档 。

B) 准备任务程序

本示例的作业程序使用 python 编写， 下载本示例所需程序: log-count.tar.gz

解压到如下目录：

 mkdir log-count && tar -xvf log-count.tar.gz -C log-count

解压后的目录结构如下：

 log-count
   |-- conf.py    # 配置
   |-- split.py       # split 任务程序
   |-- count.py      # count 任务程序
   |-- merge.py    # merge 任务程序

• 注意：不需要改动程序

提交作业

提交作业可以使用 python sdk 或者 java sdk, 或者控制台提交，本例子使用命令行工具提交。

A) 编写作业配置

在 log-count 的父目录下创建一个文件: job.cfg(此文件要与 log-count 目录平级), 内容如下：

[DEFAULT]
job_name=log-count
description=demo
pack=./log-count/
deps=split->count;count->merge
[split]
cmd=python split.py
[count]
cmd=python count.py
nodes=3
[merge]
cmd=python merge.py

这里描述了一个多任务的作业，任务的执行顺序是 split->count->merge。

• 关于 cfg 格式的描述，请参考 多任务支持 。

B) 提交命令

bcs sub --file job.cfg -r oss://your-bucket/log-count/:/home/input -w oss://your-bucket/log-count/:/home/output --docker localhost:5000/myubuntu@oss://your-bucket/dockers/

• -r 和 -w 表示只读挂载和可写映射，具体请参考 OSS 挂载 。
• 同一个 oss 路径，可以挂载到不同的本地目录。但是不同的 oss 路径是不能挂载到同一个本地目录的，一定要注意。
• —docker 表示使用 docker，格式: image_name@storage_oss_path, 会自动将 docker 名称和仓库地址配置到环境变量。
• 注意：bcs 使用的 region，一定要和 docker 所在 region 一致。

4. 查看作业运行状态

bcs j   # 获取作业列表, 每次获取作业列表后都会将列表缓存下来，一般第一个即是你刚才提交的作业
bcs ch 1  # 查看缓存中第一个作业的状态
bcs log 1 # 查看缓存中第一个作业日志

5. 查看结果

Job 结束后，可以使用以下命令查看存在 OSS 中的结果。

bcs oss cat oss://your-bucket/log-count/merge_result.txt

内容应该如下：

{"INFO": 2460, "WARN": 2448, "DEBUG": 2509, "ERROR": 2583}