引擎增强 - MapReduce BMR_全托管Hadoop/Spark集群
引擎增强 Spark Native Engine 截止目前，Spark是一个运行在JVM上的大数据计算引擎，其计算性能依然有很大的提升空间。我们通过引入ClickHouse计算引擎实现了Spark性能的巨大提升，同时还能保证和现有Spark的兼容性。
产品优势 - MapReduce BMR_全托管Hadoop/Spark集群
便捷管理：支持集群全生命周期管理，包括创建、扩展、升级与监控，简化运维流程，提高集群管理效率。 安全可靠：依托专属私有网络和容器隔离机制，实现多租户安全隔离，同时提供完善的访问控制与权限管理，保障数据安全。 开放兼容：支持 Spark、Flink、Kyuubi 等主流大数据组件的容器化运行，并与百度对象存储（BOS）无缝衔接，便于业务迁移与扩展。
Spark示例 - MapReduce BMR_全托管Hadoop/Spark集群
Spark示例 前提条件 已完成创建 BMR 集群，并且配置了 Paimon、Spark 组件，详情请参见创建集群。 注意事项 Paimon 的 JAR 文件已存放到 ${SPARK_HOME}/jars 目录； 默认使用 Hive Catalog； Hive 用户可以直接使用 Spark 创建的表； 启动 Spark 不需要添加 Paimon 相关参数。
Hive示例 - MapReduce BMR_全托管Hadoop/Spark集群
Hive示例 前提条件 已完成创建 BMR 集群，并且配置了 Paimon、Hive 组件，详情请参见 创建集群 。 注意事项 由于 Paimon 已经放到 ${HIVE_HOME}/auxlib 目录，所以不需要使用 add jar 就可以直接操作 spark 创建的 paimon 表。 Hive 不能使用 TEZ 引擎插入数据，并且需要关闭 cbo。
开发作业 - MapReduce BMR_全托管Hadoop/Spark集群
前一种参数是用来覆盖hive执行时的配置。后一种参数是用来声明自定义的变量，可以在脚本中通过${KEY}来引用。输入参数时，只需要输入参数本身字符串即可，用空格分隔，无需参数转义和url encode。 选择适配的集群。 点击“完成”，则作业创建完成。 当作业状态会由“等待中”更新为“运行中”状态，作业运行完毕后状态更新为“已完成”。
配置已有集群 - MapReduce BMR_全托管Hadoop/Spark集群
如需释放预付费集群请提交工单支持。 目前支持两种入口释放集群： 进入产品服务 MapReduce- BMR on CCE-集群列表 页，在集群列表中找到需要释放的集群，单击操作列中的释放按钮确认后可释放集群。 找到集群详情中右上角释放按钮，点击确认后即可释放。 注意 ：集群的状态由“运行中”变成“已终止”，最后是“已终止”意味着集群释放成功。
节点管理 - MapReduce BMR_全托管Hadoop/Spark集群
前提条件 已创建BMR on CCE集群，详情请参照 创建集群 。 操作步骤 1.进入产品服务 MapReduce- BMR on CCE-集群列表 页选择对应的 集群 ID/名称 点击进入集群详情页，点击左侧“节点管理”即可进入节点管理功能页。 2.查看节点的详情，对于节点的实例详情以列表形式展示。展示信息包括申请节点数量和运行数量。
基础使用 - MapReduce BMR_全托管Hadoop/Spark集群
它能够处理实时数据流和批处理数据，具有高吞吐量、低延迟和容错性强的特点。Flink 能在所有常见的集群环境中运行，并能以内存速度和任意规模进行计算。 常见应用场景： 事件驱动型应用： 反欺诈：实时检测异常交易行为。 异常检测：监控系统状态，实时发现异常。 数据分析应用： 流数据分析：实时分析数据流，提取有价值的信息。 实时报表分析：实时生成报表，展示关键指标的变化。
应用场景 - MapReduce BMR_全托管Hadoop/Spark集群
共享集群后，可建立统一运维体系，结合弹性伸缩和动态超分能力，进一步优化资源使用，减少常驻资源占用，为企业构建高效、灵活且经济的云原生大数据计算环境提供支持。
Flink示例 - MapReduce BMR_全托管Hadoop/Spark集群
Flink示例 前提条件 已完成创建 BMR 集群，并且配置了 Paimon、Flink 组件，详情请参见创建集群。 注意事项 BMR Flink 不使用 Hive Metastore 元数据，可以使用文件系统存储元数据，可通过 Hive 和 Spark 操作.
