注意：需要绑定 DLC 引擎。目前支持 Spark SQL、Spark 作业、Presto 三种引擎。引擎内核可参见 DLC 引擎内核版本。
注意：1. 当前用户需要用对应 DLC 计算资源和库表的权限
注意：2. 已经在 DLC 中创建对应的库表。
一、功能说明
使用 Spark 作业引擎时，可以配置作业资源规格和参数，资源的配置不能超过计算资源本身的限制。
配置说明：
| 配置项 | 描述 |
| 资源配置方式 | 分为集群默认配置与自定义配置两种方式：1. 使用集群默认配置使用当前任务计算资源集群配置2. 自定义用户自定义 Executor、Driver 配置 |
| Executor 资源 | 填写需要的资源数，1cu 基本等同于1核 CPU，4G 内存。1. Small（小型）：单个计算单位 (1cu)2. Medium（中型）：两个计算单位 (2cu)3. Large（大型）：四个计算单位 (4cu)4. Xlarge（超大型）：八个计算单位 (8cu) |
| Executor 个数 | Executor 负责执行任务和处理计算工作的计算节点或计算实例，每个 Executor 使用的资源为配置的资源数。 |
| Driver 资源 | 填写需要的Driver资源数，1cu 基本等同于1核 CPU，4G内存。1. Small（小型）：单个计算单位 (1cu)2. Medium（中型）：两个计算单位 (2cu)3. Large（大型）：四个计算单位 (4cu)。4. Xlarge（超大型）：八个计算单位 (8cu)。 |
二、示例代码
— 创建一个用户信息表create table if not exists wedata_demo_db.user_info (user_id string COMMENT '用户ID',user_name string COMMENT '用户名称',user_age int COMMENT '年龄',city string COMMENT '城市') COMMENT '用户信息表';– 向用户信息表中插入数据insert into wedata_demo_db.user_info values ('001', '张三', 28, 'beijing');insert into wedata_demo_db.user_info values ('002', '李四', 35, 'shanghai');insert into wedata_demo_db.user_info values ('003', '王五', 22, 'shenzhen');insert into wedata_demo_db.user_info values ('004', '赵六', 45, 'guangzhou');insert into wedata_demo_db.user_info values ('005', '小明', 20, 'beijing');insert into wedata_demo_db.user_info values ('006', '小红', 30, 'shanghai');insert into wedata_demo_db.user_info values ('007', '小刚', 25, 'shenzhen');insert into wedata_demo_db.user_info values ('008', '小李', 40, 'guangzhou');insert into wedata_demo_db.user_info values ('009', '小张', 23, 'beijing');insert into wedata_demo_db.user_info values ('010', '小王', 50, 'shanghai');select * from wedata_demo_db.user_info;
注意：使用 Iceberg 外部表时，SQL 语法与 Iceberg 原生表存在差异，可参见 DLC Iceberg 外部表与原生表语法差异。
三、Presto 引擎示例代码：
适用表类型：原生 Iceberg 表、外部 Iceberg 表。
CREATE TABLE `cpt_demo`.`dempts` ( id bigint COMMENT 'id number', num int, eno float, dno double, cno decimal(9,3), flag boolean, data string, ts_year timestamp, date_month date, bno binary, point struct<x: double, y: double>, points array<struct<x: double, y: double>>, pointmaps map<struct<x: int>, struct<a: int>>)COMMENT 'table documentation'PARTITIONED BY (bucket(16, id), years(ts_year), months(date_month), identity(bno), bucket(3, num), truncate(10, data));
四、SparkSQL 引擎示例代码
适用表类型：原生 Iceberg 表、外部 Iceberg 表。
CREATE TABLE `cpt_demo`.`dempts` ( id bigint COMMENT 'id number', num int, eno float, dno double, cno decimal(9,3), flag boolean, data string, ts_year timestamp, date_month date, bno binary, point struct<x: double, y: double>, points array<struct<x: double, y: double>>, pointmaps map<struct<x: int>, struct<a: int>>)COMMENT 'table documentation'PARTITIONED BY (bucket(16, id), years(ts_year), months(date_month), identity(bno), bucket(3, num), truncate(10, data));
五、SparkSQL 作业引擎示例代码
适用表类型：原生 Iceberg 表、外部 Iceberg 表。
CREATE TABLE `cpt_demo`.`dempts` ( id bigint COMMENT 'id number', num int, eno float, dno double, cno decimal(9,3), flag boolean, data string, ts_year timestamp, date_month date, bno binary, point struct<x: double, y: double>, points array<struct<x: double, y: double>>, pointmaps map<struct<x: int>, struct<a: int>>)COMMENT 'table documentation'PARTITIONED BY (id, ts_year, date_month);
注意：说明：
注意：更多 DLC 语法可参见 数据湖计算 DLC SQL 语法概览。
六、运行结果与详情查看
运行完成后可在下方查看运行结果和日志
针对 DLC SQL、DLC Spark、DLC PySpark任务，支持在日志和日志上方点击跳转到 DLC 或 Spark 查看更多日志和运行结果。
·产品入口：
·点击本次运行 > 对应SQL结果 > 日志 > DLC：跳转到 DLC 控制台查看更多运行日志、详情和洞察等信息。
·点击本次运行 > 对应SQL结果 > 日志 > Spark：跳转到 Spark 对应执行页面查看更多运行日志和详情。
·日志入口：
·在日志中搜索 Execution Summary 可以定位到本次运行的执行总结，会展示本次运行的 DLC UI 和 Spark UI，按住键盘的 command 键，点击日志中的 UI，可以跳转到对应页面查看更多日志详情信息。