com.tencentcloudapi.dlc.v20210125.models

Class AnalysisTaskResults

java.lang.Object

com.tencentcloudapi.common.AbstractModel

com.tencentcloudapi.dlc.v20210125.models.AnalysisTaskResults

public class AnalysisTaskResults
extends AbstractModel

Field Summary

Fields inherited from class com.tencentcloudapi.common.AbstractModel

header, skipSign

Constructor Summary

Constructors

Constructor and Description
AnalysisTaskResults()
AnalysisTaskResults(AnalysisTaskResults source) NOTE: Any ambiguous key set via .set("AnyKey", "value") will be a shallow copy, and any explicit key, i.e Foo, set via .setFoo("value") will be a deep copy.

Method Summary

Modifier and Type	Method and Description
String	getAnalysisStatus() Get 洞察结果类型分类，一个 json 数组，有如下几种类型：SPARK-StageScheduleDelay（资源抢占）, SPARK-ShuffleFailure（Shuffle异常）, SPARK-SlowTask（慢task）, SPARK-DataSkew（数据倾斜）, SPARK-InsufficientResource（磁盘或内存不足）
String	getDataEngineName() Get 计算资源名字
String	getId() Get 任务Id
Long	getInputBytesSum() Get 数据扫描总 bytes
Long	getInputRecordsSum() Get 数据扫描总行数
Long	getInstanceCompleteTime() Get 任务结束时间，毫秒时间戳
Long	getInstanceStartTime() Get 任务创建时间，毫秒时间戳
Long	getJobTimeSum() Get 单位毫秒，引擎内执行耗时, 反映真正用于计算所需的耗时，即从 Spark 任务第一个 Task 开始执行到任务结束之间的耗时。 具体的：会统计任务的每个 Spark Stage 第一个 Task 到最后一个 Task 完成时长之和，不包含任务开始的排队耗时（即剔除从任务提交到 Spark Task 开始执行之间的调度等其他耗时），也不包含任务执行过程中多个 Spark Stage 之间因 executor 资源不足而等待执行 Task 所消耗的时间。
Long	getOutputBytesSum() Get 输出总 bytes
Long	getOutputFilesNum() Get 任务输出文件总数
Long	getOutputRecordsSum() Get 输出总行数
Long	getOutputSmallFilesNum() Get 任务输出小文件总数
Long	getShuffleReadBytesSum() Get shuffle read 总 bytes
Long	getShuffleReadRecordsSum() Get shuffle read 总行数
String	getSQL() Get 任务SQL语句
Long	getState() Get 任务状态：0 初始化， 1 执行中， 2 执行成功，3 数据写入中，4 排队中。-1 执行失败，-3 已取消。
Long	getTaskTimeSum() Get 单位秒，累计 CPU* 秒 ( 累计 CPU * 时 = 累计 CPU* 秒/ 3600)，统计参与计算所用 Spark Executor 每个 core 的 CPU 执行时长总和
void	setAnalysisStatus(String AnalysisStatus) Set 洞察结果类型分类，一个 json 数组，有如下几种类型：SPARK-StageScheduleDelay（资源抢占）, SPARK-ShuffleFailure（Shuffle异常）, SPARK-SlowTask（慢task）, SPARK-DataSkew（数据倾斜）, SPARK-InsufficientResource（磁盘或内存不足）
void	setDataEngineName(String DataEngineName) Set 计算资源名字
void	setId(String Id) Set 任务Id
void	setInputBytesSum(Long InputBytesSum) Set 数据扫描总 bytes
void	setInputRecordsSum(Long InputRecordsSum) Set 数据扫描总行数
void	setInstanceCompleteTime(Long InstanceCompleteTime) Set 任务结束时间，毫秒时间戳
void	setInstanceStartTime(Long InstanceStartTime) Set 任务创建时间，毫秒时间戳
void	setJobTimeSum(Long JobTimeSum) Set 单位毫秒，引擎内执行耗时, 反映真正用于计算所需的耗时，即从 Spark 任务第一个 Task 开始执行到任务结束之间的耗时。 具体的：会统计任务的每个 Spark Stage 第一个 Task 到最后一个 Task 完成时长之和，不包含任务开始的排队耗时（即剔除从任务提交到 Spark Task 开始执行之间的调度等其他耗时），也不包含任务执行过程中多个 Spark Stage 之间因 executor 资源不足而等待执行 Task 所消耗的时间。
void	setOutputBytesSum(Long OutputBytesSum) Set 输出总 bytes
void	setOutputFilesNum(Long OutputFilesNum) Set 任务输出文件总数
void	setOutputRecordsSum(Long OutputRecordsSum) Set 输出总行数
void	setOutputSmallFilesNum(Long OutputSmallFilesNum) Set 任务输出小文件总数
void	setShuffleReadBytesSum(Long ShuffleReadBytesSum) Set shuffle read 总 bytes
void	setShuffleReadRecordsSum(Long ShuffleReadRecordsSum) Set shuffle read 总行数
void	setSQL(String SQL) Set 任务SQL语句
void	setState(Long State) Set 任务状态：0 初始化， 1 执行中， 2 执行成功，3 数据写入中，4 排队中。-1 执行失败，-3 已取消。
void	setTaskTimeSum(Long TaskTimeSum) Set 单位秒，累计 CPU* 秒 ( 累计 CPU * 时 = 累计 CPU* 秒/ 3600)，统计参与计算所用 Spark Executor 每个 core 的 CPU 执行时长总和
void	toMap(HashMap<String,String> map, String prefix) Internal implementation, normal users should not use it.

Methods inherited from class com.tencentcloudapi.common.AbstractModel

any, fromJsonString, getBinaryParams, GetHeader, getMultipartRequestParams, getSkipSign, isStream, set, SetHeader, setParamArrayObj, setParamArraySimple, setParamObj, setParamSimple, setSkipSign, toJsonString

Methods inherited from class java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Constructor Detail

AnalysisTaskResults

public AnalysisTaskResults()

AnalysisTaskResults

public AnalysisTaskResults(AnalysisTaskResults source)

NOTE: Any ambiguous key set via .set("AnyKey", "value") will be a shallow copy, and any explicit key, i.e Foo, set via .setFoo("value") will be a deep copy.

Method Detail

getId

public String getId()

Get 任务Id

Returns:

Id 任务Id

setId

public void setId(String Id)

Set 任务Id

Parameters:

Id - 任务Id

getInstanceStartTime

public Long getInstanceStartTime()

Get 任务创建时间，毫秒时间戳

Returns:

InstanceStartTime 任务创建时间，毫秒时间戳

setInstanceStartTime

public void setInstanceStartTime(Long InstanceStartTime)

Set 任务创建时间，毫秒时间戳

Parameters:

InstanceStartTime - 任务创建时间，毫秒时间戳

getInstanceCompleteTime

public Long getInstanceCompleteTime()

Get 任务结束时间，毫秒时间戳

Returns:

InstanceCompleteTime 任务结束时间，毫秒时间戳

setInstanceCompleteTime

public void setInstanceCompleteTime(Long InstanceCompleteTime)

Set 任务结束时间，毫秒时间戳

Parameters:

InstanceCompleteTime - 任务结束时间，毫秒时间戳

getState

public Long getState()

Get 任务状态：0 初始化， 1 执行中， 2 执行成功，3 数据写入中，4 排队中。-1 执行失败，-3 已取消。

Returns:

State 任务状态：0 初始化， 1 执行中， 2 执行成功，3 数据写入中，4 排队中。-1 执行失败，-3 已取消。

setState

public void setState(Long State)

Set 任务状态：0 初始化， 1 执行中， 2 执行成功，3 数据写入中，4 排队中。-1 执行失败，-3 已取消。

Parameters:

State - 任务状态：0 初始化， 1 执行中， 2 执行成功，3 数据写入中，4 排队中。-1 执行失败，-3 已取消。

getSQL

public String getSQL()

Get 任务SQL语句

Returns:

SQL 任务SQL语句

setSQL

public void setSQL(String SQL)

Set 任务SQL语句

Parameters:

SQL - 任务SQL语句

getDataEngineName

public String getDataEngineName()

Get 计算资源名字

Returns:

DataEngineName 计算资源名字

setDataEngineName

public void setDataEngineName(String DataEngineName)

Set 计算资源名字

Parameters:

DataEngineName - 计算资源名字

getJobTimeSum

public Long getJobTimeSum()

Get 单位毫秒，引擎内执行耗时, 反映真正用于计算所需的耗时，即从 Spark 任务第一个 Task 开始执行到任务结束之间的耗时。 具体的：会统计任务的每个 Spark Stage 第一个 Task 到最后一个 Task 完成时长之和，不包含任务开始的排队耗时（即剔除从任务提交到 Spark Task 开始执行之间的调度等其他耗时），也不包含任务执行过程中多个 Spark Stage 之间因 executor 资源不足而等待执行 Task 所消耗的时间。

Returns:

JobTimeSum 单位毫秒，引擎内执行耗时, 反映真正用于计算所需的耗时，即从 Spark 任务第一个 Task 开始执行到任务结束之间的耗时。 具体的：会统计任务的每个 Spark Stage 第一个 Task 到最后一个 Task 完成时长之和，不包含任务开始的排队耗时（即剔除从任务提交到 Spark Task 开始执行之间的调度等其他耗时），也不包含任务执行过程中多个 Spark Stage 之间因 executor 资源不足而等待执行 Task 所消耗的时间。

setJobTimeSum

public void setJobTimeSum(Long JobTimeSum)

Set 单位毫秒，引擎内执行耗时, 反映真正用于计算所需的耗时，即从 Spark 任务第一个 Task 开始执行到任务结束之间的耗时。 具体的：会统计任务的每个 Spark Stage 第一个 Task 到最后一个 Task 完成时长之和，不包含任务开始的排队耗时（即剔除从任务提交到 Spark Task 开始执行之间的调度等其他耗时），也不包含任务执行过程中多个 Spark Stage 之间因 executor 资源不足而等待执行 Task 所消耗的时间。

Parameters:

JobTimeSum - 单位毫秒，引擎内执行耗时, 反映真正用于计算所需的耗时，即从 Spark 任务第一个 Task 开始执行到任务结束之间的耗时。 具体的：会统计任务的每个 Spark Stage 第一个 Task 到最后一个 Task 完成时长之和，不包含任务开始的排队耗时（即剔除从任务提交到 Spark Task 开始执行之间的调度等其他耗时），也不包含任务执行过程中多个 Spark Stage 之间因 executor 资源不足而等待执行 Task 所消耗的时间。

getTaskTimeSum

public Long getTaskTimeSum()

Get 单位秒，累计 CPU* 秒 ( 累计 CPU * 时 = 累计 CPU* 秒/ 3600)，统计参与计算所用 Spark Executor 每个 core 的 CPU 执行时长总和

Returns:

TaskTimeSum 单位秒，累计 CPU* 秒 ( 累计 CPU * 时 = 累计 CPU* 秒/ 3600)，统计参与计算所用 Spark Executor 每个 core 的 CPU 执行时长总和

setTaskTimeSum

public void setTaskTimeSum(Long TaskTimeSum)

Set 单位秒，累计 CPU* 秒 ( 累计 CPU * 时 = 累计 CPU* 秒/ 3600)，统计参与计算所用 Spark Executor 每个 core 的 CPU 执行时长总和

Parameters:

TaskTimeSum - 单位秒，累计 CPU* 秒 ( 累计 CPU * 时 = 累计 CPU* 秒/ 3600)，统计参与计算所用 Spark Executor 每个 core 的 CPU 执行时长总和

getInputRecordsSum

public Long getInputRecordsSum()

Get 数据扫描总行数

Returns:

InputRecordsSum 数据扫描总行数

setInputRecordsSum

public void setInputRecordsSum(Long InputRecordsSum)

Set 数据扫描总行数

Parameters:

InputRecordsSum - 数据扫描总行数

getInputBytesSum

public Long getInputBytesSum()

Get 数据扫描总 bytes

Returns:

InputBytesSum 数据扫描总 bytes

setInputBytesSum

public void setInputBytesSum(Long InputBytesSum)

Set 数据扫描总 bytes

Parameters:

InputBytesSum - 数据扫描总 bytes

getOutputRecordsSum

public Long getOutputRecordsSum()

Get 输出总行数

Returns:

OutputRecordsSum 输出总行数

setOutputRecordsSum

public void setOutputRecordsSum(Long OutputRecordsSum)

Set 输出总行数

Parameters:

OutputRecordsSum - 输出总行数

getOutputBytesSum

public Long getOutputBytesSum()

Get 输出总 bytes

Returns:

OutputBytesSum 输出总 bytes

setOutputBytesSum

public void setOutputBytesSum(Long OutputBytesSum)

Set 输出总 bytes

Parameters:

OutputBytesSum - 输出总 bytes

getShuffleReadBytesSum

public Long getShuffleReadBytesSum()

Get shuffle read 总 bytes

Returns:

ShuffleReadBytesSum shuffle read 总 bytes

setShuffleReadBytesSum

public void setShuffleReadBytesSum(Long ShuffleReadBytesSum)

Set shuffle read 总 bytes

Parameters:

ShuffleReadBytesSum - shuffle read 总 bytes

getShuffleReadRecordsSum

public Long getShuffleReadRecordsSum()

Get shuffle read 总行数

Returns:

ShuffleReadRecordsSum shuffle read 总行数

setShuffleReadRecordsSum

public void setShuffleReadRecordsSum(Long ShuffleReadRecordsSum)

Set shuffle read 总行数

Parameters:

ShuffleReadRecordsSum - shuffle read 总行数

getAnalysisStatus

public String getAnalysisStatus()

Get 洞察结果类型分类，一个 json 数组，有如下几种类型：SPARK-StageScheduleDelay（资源抢占）, SPARK-ShuffleFailure（Shuffle异常）, SPARK-SlowTask（慢task）, SPARK-DataSkew（数据倾斜）, SPARK-InsufficientResource（磁盘或内存不足）

Returns:

AnalysisStatus 洞察结果类型分类，一个 json 数组，有如下几种类型：SPARK-StageScheduleDelay（资源抢占）, SPARK-ShuffleFailure（Shuffle异常）, SPARK-SlowTask（慢task）, SPARK-DataSkew（数据倾斜）, SPARK-InsufficientResource（磁盘或内存不足）

setAnalysisStatus

public void setAnalysisStatus(String AnalysisStatus)

Set 洞察结果类型分类，一个 json 数组，有如下几种类型：SPARK-StageScheduleDelay（资源抢占）, SPARK-ShuffleFailure（Shuffle异常）, SPARK-SlowTask（慢task）, SPARK-DataSkew（数据倾斜）, SPARK-InsufficientResource（磁盘或内存不足）

Parameters:

AnalysisStatus - 洞察结果类型分类，一个 json 数组，有如下几种类型：SPARK-StageScheduleDelay（资源抢占）, SPARK-ShuffleFailure（Shuffle异常）, SPARK-SlowTask（慢task）, SPARK-DataSkew（数据倾斜）, SPARK-InsufficientResource（磁盘或内存不足）

getOutputFilesNum

public Long getOutputFilesNum()

Get 任务输出文件总数

Returns:

OutputFilesNum 任务输出文件总数

setOutputFilesNum

public void setOutputFilesNum(Long OutputFilesNum)

Set 任务输出文件总数

Parameters:

OutputFilesNum - 任务输出文件总数

getOutputSmallFilesNum

public Long getOutputSmallFilesNum()

Get 任务输出小文件总数

Returns:

OutputSmallFilesNum 任务输出小文件总数

setOutputSmallFilesNum

public void setOutputSmallFilesNum(Long OutputSmallFilesNum)

Set 任务输出小文件总数

Parameters:

OutputSmallFilesNum - 任务输出小文件总数

toMap

public void toMap(HashMap<String,String> map,
                  String prefix)

Internal implementation, normal users should not use it.

Specified by:

toMap in class AbstractModel

Parameters:

map - The map to populate with the model's parameters.

prefix - A string prefix for the keys.