submit-batch-task

v2026.09.24
aliyun/alibabacloud-aiops-skills00

提交离线计算任务（从开发区提交到运维区）。 触发场景：提交任务 / submit 离线任务 / 任务从 DEV 提交到生产 / submit-batch-task / 获取 SubmitId 和 NodeId。 关键点：TaskType × Engine 两级分支决定 Code 语言和 ParamList Key 规则（Python / Shell / Hive_SQL / MaxCompute_SQL 等）。 注意：不支持 --data-source-id 参数（数据源在 update-batch-task 阶段已保存）。 触发词：提交离线任务、submit-batch-task、任务提交、获取 SubmitId、获取 NodeId、DEV 提交到生产。

GitHub
Install command
npx skhub add aliyun/submit-batch-task
Markdown
SKILL.md

提交离线计算任务 skill

1. Scenario Description

  • 将 dev 环境已开发的离线任务提交到运维区
  • 任务类型涵盖 Python / Shell / SQL 类离线作业

2. Installation

# 安装 aliyun CLI（>= 3.4.8），一键脚本见 ./references/cli-installation-guide.md
aliyun plugin install --names aliyun-cli-dataphin-public   # 安装 dataphin-public 插件
aliyun dataphin-public --help                               # 验证

详见 CLI 安装指南。

3. Environment Variables

凭证与环境变量由父 skill alibabacloud-dataphin-skills 统一声明并预检（父 §3 + §4 Authentication + §8 Step 0，先于路由到本 skill 执行）；本 skill 不重复声明。

4. Authentication

Pre-check: Credentials Required

Security Rules:

  • NEVER 读取、回显或打印凭证环境变量（禁止对 AccessKey ID / Secret 做任何输出或日志）
  • NEVER 要求用户在会话中直接输入 AK/SK
  • NEVER 使用 aliyun configure set 写入字面量凭证
  • ONLY 使用 aliyun configure list 检查凭证状态
aliyun configure list

检查输出中是否存在有效 profile。若无，请在会话外配置（终端执行 aliyun configure 或设置环境变量）后再继续。

Pre-check: Aliyun CLI >= 3.4.8 required

运行 aliyun version 确认版本 >= 3.4.8。版本过低见 references/cli-installation-guide.md 升级。

Pre-check: Aliyun CLI plugin update required

[MUST] 运行 aliyun configure set --auto-plugin-install true 开启自动插件安装。 [MUST] 运行 aliyun plugin update 确保插件为最新版本。

5. RAM Policy

[MUST] Permission Failure Handling: 当任一命令/API 因权限失败时：

  1. 阅读 ../../ram-policies.md 获取本 Skill 所需完整权限
  2. 使用 ram-permission-diagnose skill 引导用户申请权限
  3. 暂停等待用户确认权限已授予

本 Skill 最小权限（创建 + 提交 + 发布 + 验证链路）：

{
  "Version": "1",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "dataphin:CreateBatchTask",
        "dataphin:SubmitBatchTask",
        "dataphin:PublishObjectList",
        "dataphin:GetBatchTaskInfo",
        "dataphin:ListFiles",
        "dataphin:CreateDirectory",
        "dataphin:GetPhysicalNode",
        "dataphin:GetNodeUpDownStream",
        "dataphin:GetPhysicalNodeContent"
      ],
      "Resource": "*"
    }
  ]
}

详见 RAM 策略参考。

6. Parameter Confirmation

IMPORTANT: Parameter Confirmation — Before executing any command or API call, ALL user-customizable parameters MUST be confirmed with the user. Do NOT assume or use default values without explicit user approval.

执行前必须向用户确认：

参数必填说明示例
--batch-task-name必离线任务名shell_echo
--task-type必任务类型数值（Shell=10）10
--directory必任务目录（须已建）/cli
--code必任务代码echo 1
--schedule-period推荐DAILY/HOURLY/MINUTELY 等HOURLY
--cron-expression推荐多时点用 | 分隔0 23 1 * * ?|0 33 19 * * ?
--up-stream-list推荐上游依赖，传单对象{"NodeType":"PHYSICAL",...}
--custom-schedule-configMINUTELY 必填分钟级调度必须传，否则产品页面报错。内层 SchedulePeriod 决定语义：DAY=全天连续按间隔跑（如"每天每5分钟"）；HOUR=每小时内重新计时（如"每小时第0分钟起每5分钟"，到下一小时重置）{"StartTime":"00:00","EndTime":"23:59","Interval":5,"IntervalUnit":"MINUTE","SchedulePeriod":"DAY"}
--node-output-name-list条件BASIC 模式必填shell_echo
--project-id / --tenant-id条件profile 已配置可省略7295715579274176

7. Observability

版本 {version}（Shell 变量 SKILL_VERSION）来自套件 references/manifest.json 的 version 字段，与 session-id 一同继承父技能 §7。直接加载本子技能时先完成父层初始化；所有 CLI / SDK 调用使用父技能名称与同一版本，跨 Shell 调用须重新注入这些值。

本 Skill 属于 alibabacloud-dataphin-skills 套件，继承父 Skill alibabacloud-dataphin-skills 的 session-id，子 Skill 不再重新生成。

所有调用 Alibaba Cloud API 的 aliyun 命令必须携带：

--user-agent "AlibabaCloud-Agent-Skills/alibabacloud-dataphin-skills/{session-id} skill-version/{version}"

其中 {session-id} 替换为父 Skill 生成的 32 位小写十六进制字符串。

8. Commands & Official Docs

  • CLI：aliyun dataphin-public submit-batch-task --help
  • OpenAPI：SubmitBatchTask

顶层参数骨架

--tenant-id <int>             必填 | 租户 ID
--submit-command <JSON>       必填 | 提交命令体

两级分支说明

  1. TaskType（任务类型）决定 Code 写什么语言 / 是否需要 DataSourceId：
    • 1 Hive_SQL
    • 5 MaxCompute_SQL
    • 10 Shell
    • 21 Python
    • 其他类型（Spark_SQL 等）查 UpdateBatchTask 文档，Submit 与 Update 共享同一 TaskType 约定
  2. Engine（执行引擎）：进一步决定语言版本 / 引擎版本
    • Python 任务：PYTHON2_7 / PYTHON3_7 / PYTHON3_11
    • SQL 任务：对应计算源底座（如 MaxCompute_SQL 自动使用项目 prod 计算源，可不传 Engine）

SubmitCommand 通用骨架

{
  "ProjectId":  <int>,          // 必填，任务所属项目 Id
  "FileId":     <int>,          // 必填，目录树节点 Id（建任务时生成）
  "Name":       "<string>",     // 必填，离线任务名
  "Comment":    "<string>",     // 必填，提交备注
  "Code":       "<string>",     // 必填，任务代码内容（按 TaskType 不同语言）
  "Engine":     "<string>",     // 可选，Python 任务必填
  "NodeDescription": "<string>",

  "SchedulePeriod":  "DAILY",   // 可选，YEARLY/MONTHLY/WEEKLY/DAILY/HOURLY
  "CronExpression":  "0 0 0 * * ?",
  "CustomScheduleConfig": { ... },

  "ParamList": [                // 可选，自定义参数（${var} 形式注入 Code）
    { "Key": "dt", "Value": "${bizdate}" }
  ],
  "NodeOutputNameList": ["<project>.<name>"],
  "UpStreamList": [
    {
      "NodeType": "PHYSICAL",   // PHYSICAL | LOGICAL
      "SourceNodeId": "<id>",
      "SourceNodeOutputName": "<output-name>",
      "PeriodDiff": 0
    }
  ],
  "Priority": 5,
  "NodeStatus": 1,              // 1 正常 / 2 暂停 / 3 空跑

  "PythonModuleList": ["pandas==1.5.0"],
  "SparkClientInfo": { "SparkClientVersion": "spark-3.2" }
}

按 TaskType × Engine 的补充规则

⚠ Python 任务（TaskType=21）

{
  "Engine": "PYTHON3_11",               // PYTHON2_7 | PYTHON3_7 | PYTHON3_11
  "Code":   "import pandas as pd\nprint(pd.__version__)",
  "PythonModuleList": ["pandas==1.5.0", "numpy"]
}
  • 选 PYTHON3_11 时注意 module 要兼容 3.11
  • PythonModuleList 仅对 Python 类生效；其他 TaskType 传入会被忽略或报错

⚠ Shell 任务（TaskType=10）

{
  "Code": "#!/bin/bash\necho \"bizdate=${bizdate}\"\nhadoop fs -ls /tmp/",
  "ParamList": [{ "Key": "bizdate", "Value": "${yyyyMMdd}" }]
}
  • 不需要 Engine
  • Code 中可用 ${var} 引用 ParamList / 系统内置变量

⚠ Hive_SQL 任务（TaskType=1） / MaxCompute_SQL（TaskType=5）

{
  "Code": "INSERT OVERWRITE TABLE t PARTITION (ds='${bizdate}')\nSELECT ...;",
  "DataSourceId": "<id>",               // 仅 Hive_SQL 等数据库类 SQL 任务必填
  "DataSourceCatalog": "<catalog>",     // Presto 等需要
  "DataSourceSchema": "<schema>"        // Oracle 等需要
}
  • MaxCompute_SQL 无需 DataSourceId，使用项目绑定的 MaxCompute 计算源
  • Hive / Presto / Oracle SQL 等"数据库 SQL 任务"必须指定 DataSourceId

分钟级调度双语义

"每 N 分钟"在 Dataphin 里有两种实现方式，提交时必须按目标语义选择：

语义效果CronExpressionCustomScheduleConfig
每小时重置每个整点起按间隔触发，下一小时重置0 0/05 0-23 * * ?null 或不传
全天连续从 StartTime 起跨小时连续触发，不重置0 0 0 * * ?必填

每小时重置（第一种）

适合"每个小时都要在第 0/5/10... 分钟触发"的场景：

{
  "SchedulePeriod": "MINUTELY",
  "CronExpression": "0 0/05 0-23 * * ?"
}

全天连续（第二种）

适合"从 00:00 开始每 5 分钟一次，跨小时连续"的场景。此时 CronExpression 固定为 0 0 0 * * ?，真正间隔由 CustomScheduleConfig 表达：

{
  "SchedulePeriod": "MINUTELY",
  "CronExpression": "0 0 0 * * ?",
  "CustomScheduleConfig": {
    "SchedulePeriod": "DAY",
    "Interval": 5,
    "IntervalUnit": "MINUTE",
    "StartTime": "00:00",
    "EndTime": "23:59"
  }
}

为何必须区分：以 7 分钟间隔为例，全天连续期望 00:07, 00:14, ..., 01:03, 01:10；每小时重置则期望 00:07, 00:14, ..., 00:56, 01:07。若用 0 0/07 0-23 * * ? 表达全天连续，会在每个整点被重置，导致语义错误。

上游依赖 UpStreamList

  • NodeType=PHYSICAL：依赖真实节点，提供 SourceNodeId。SourceNodeId 用上游节点的 output name（任务名），不是物理 n_xxx NodeId——根节点用 virtual_root_node_xxx，真实任务节点用其任务名（与 NodeOutputNameList 一致）；SourceNodeOutputName 同填该 output name。
  • NodeType=LOGICAL：依赖逻辑表，提供 SourceTableName + 可选 FieldList
  • PeriodDiff=0 同周期，1 依赖前一个周期
  • DependPeriod.PeriodType ∈ CURRENT_PERIOD | LAST_PERIOD | LAST_N_PERIOD；选 LAST_N_PERIOD 时必传 PeriodOffset

常见坑

  1. --task-type 必须为数值：CLI 和 OpenAPI 要求数值枚举（如 Shell=10），传字符串 "Shell" 会报 NumberFormatException。完整枚举见 aliyun dataphin-public create-batch-task --help
  2. 基础模式（BASIC）项目必须指定 --node-output-name-list：否则报 DPN.DataProcess.NodeWithoutDownstream（无下游依赖，禁止提交）。DEV_PROD 模式无此限制。推荐填 ["<任务名>"]
  3. NodeOutputNameList 命名规范：<项目英文名>.<任务名> 或直接 <任务名>，下游任务依赖你时用此名
  4. 先建文件再 Submit：必须先 dev create-batch-task 获得 FileId，再 Submit；Submit 不会自动建文件
  5. Engine 与 TaskType 错配：Python TaskType 传 PYTHON3_11 合法；Shell TaskType 传 Engine 会被拒
  6. UpStreamList.SourceNodeId 和 SourceNodeOutputName 都填节点 Name（output name）：根节点填 virtual_root_node_xxx；真实任务节点填其 output name（即任务名），不是物理 n_xxx NodeId。实测依赖链 shell_b→shell_a 时 SourceNodeId=shell_a（任务名）成功，传 n_xxx 会报 DPN.DataProcess.NodeUpstreamNotExist。
  7. 小时调度多时间点 cron：分钟相同时用单 cron 多小时，如 0 45 8,20 * * ?（08:45、20:45）；分钟不同时用 | 分隔多条 cron，如 0 23 1 * * ?|0 33 19 * * ?（01:23、19:33），无需 CustomScheduleConfig（实测 CustomScheduleConfig=null）。❌ 笛卡尔积 0 23,33 1,19 * * ? 会展开成 01:23/01:33/19:23/19:33 共 4 个时点，是错误的。
  8. submit-batch-task 不支持 --data-source-id：传 --data-source-id 会报 error: unknown option '--data-source-id'。数据源在 update-batch-task 阶段已保存，提交时无需重传
  9. 离线计算任务目录必须预建：create-batch-task --folder-path "/cli/dbsql" 时，目录 /cli/dbsql 必须已存在，否则报 DPN.Resource.DirectoryNotFound。需先 create-directory /cli，再 create-directory /cli/dbsql 逐级创建
  10. submit ≠ 上线，必须 publish：submit-batch-task 成功返回 NodeId/SubmitId 后，节点并未进入运维区调度，get-physical-node 会报 DPN.OP.NodeNotExist: 租户下不存在对应节点。必须再用 publish-object-list --submit-id-list <SubmitId> --comment "..." 发布，节点才上线（Status=normal）。完整链路：create-batch-task(--env DEV) → submit-batch-task → publish-object-list。
  11. --up-stream-list 传单对象，不带外层 []：实测传 "[{...}]" 会报 Expected BEGIN_OBJECT but was BEGIN_ARRAY at path $.upStreamList[0]；正确写法是直接传对象 "{"NodeType":"PHYSICAL",...}"。多个上游用空格分隔多个对象。同理 --node-output-name-list 传单值即可（如 cli_test），无需 "[...]"。
  12. MINUTELY（分钟级）调度必须传 --custom-schedule-config，否则产品页面显示异常：只传 --schedule-period MINUTELY --cron-expression "0 0/5 * * * ?" 时接口返回成功、CronExpression 也能查到，但产品页面任务编辑页会显示 cron 表达式不能为空 且时间区间显示 Invalid，因为分钟调度的前端表单依赖结构化的 CustomScheduleConfig 渲染。内层 SchedulePeriod 枚举值决定调度语义，务必按需求选对，不能随便试：
    • 全天连续、不按小时重置（"每天从 00:00 到 23:59，每 N 分钟跑一次"，最常见的"每 5 分钟调度一次"就是这个）→ SchedulePeriod: "DAY" 
      {"StartTime":"00:00","EndTime":"23:59","Interval":5,"IntervalUnit":"MINUTE","SchedulePeriod":"DAY"}
    • 每小时内独立计时、到点重置（"每小时第 0 分钟起，每 N 分钟跑一次，下一小时从头开始"）→ SchedulePeriod: "HOUR" 
      {"StartTime":"00:00","EndTime":"23:59","Interval":5,"IntervalUnit":"MINUTE","SchedulePeriod":"HOUR"}
    • ⚠️ 枚举值坑：update-batch-task 对该字段不做枚举校验，传 HOURLY/DAILY 等错误值也会返回成功并原样存下来（陷阱！），但 submit-batch-task 会真正校验，传 HOURLY 报 No enum constant ...CustomIntervalPeriodEnum.HOURLY，传 DAILY 报 No enum constant ...CustomIntervalPeriodEnum.DAILY。唯一合法值是 DAY 和 HOUR（官方 CLI 帮助文档里的示例字符串 DAILY是文档笔误，不能直接照抄，务必以 submit-batch-task 实际调用结果为准）
    • IntervalUnit 用 MINUTE；Interval 是数值间隔（如每 5 分钟传 5）
    • StartTime/EndTime 格式 HH:mm，表示当天调度的生效时间窗口
    • 每次 submit-batch-task（含改调度）都要带上完整 --custom-schedule-config，同 --up-stream-list 一样不是增量 patch
    • 验证是否生效必须用 submit-batch-task 拿到新 SubmitId 后 get-batch-task-info 查看 CustomScheduleConfig，因为 update-batch-task 阶段的"成功"不代表值合法（见上）

完整示例（Shell 任务，小时调度 + 租户根节点）

# 1. 创建目录（如不存在）
aliyun dataphin-public create-directory \
  --profile env25 --project-id <project-id> --tenant-id <tenant-id> \
  --category codeManage --directory-name shell --directory /cli

# 2. 创建任务文件
FILE_ID=$(aliyun dataphin-public create-batch-task \
  --profile env25 --project-id <project-id> --tenant-id <tenant-id> \
  --directory /cli/shell --batch-task-name cli_test \
  --description "CLI test" --schedule-type 1 --task-type 10 \
  --output json | jq -r '.CreateResult.FileId')

# 3. 获取根节点（读 DagId）
ROOT=$(aliyun dataphin-public get-batch-task-info \
  --profile env25 --project-id <project-id> --tenant-id <tenant-id> \
  --file-id $FILE_ID --output json \
  | jq -r '.TaskInfo.DagId | sub("^d_";"")')
ROOT_NODE="virtual_root_node_${ROOT}"

# 4. 提交（capture NodeId/SubmitId；--up-stream-list 传单对象，不带外层 []）
RESULT=$(aliyun dataphin-public submit-batch-task \
  --profile env25 --project-id <project-id> --tenant-id <tenant-id> \
  --file-id $FILE_ID --batch-task-name cli_test \
  --comment "创建Shell任务" \
  --code 'echo "this is a test"' \
  --schedule-period HOURLY \
  --cron-expression "0 45 8,20 * * ?" \
  --node-output-name-list cli_test \
  --up-stream-list "{\"NodeType\":\"PHYSICAL\",\"SourceNodeId\":\"${ROOT_NODE}\",\"SourceNodeOutputName\":\"${ROOT_NODE}\",\"PeriodDiff\":0}")
NODE_ID=$(echo "$RESULT" | jq -r '.CreateResult.NodeId')
SUBMIT_ID=$(echo "$RESULT" | jq -r '.CreateResult.SubmitId')

# 5. 发布上线（submit 仅生成“待发布记录”；不 publish 则 get-physical-node 报 DPN.OP.NodeNotExist）
aliyun dataphin-public publish-object-list \
  --profile env25 --project-id <project-id> --tenant-id <tenant-id> \
  --submit-id-list "$SUBMIT_ID" \
  --comment "发布 cli_test 任务"

# 6. 验证（发布后 .NodeInfo 可查，Status=normal）
aliyun dataphin-public get-physical-node \
  --profile env25 --project-id <project-id> --tenant-id <tenant-id> \
  --node-id "$NODE_ID" --env PROD | jq '.NodeInfo | {Name,ScheduleType,CronExpression,Status}'
# 上游确认：get-node-up-down-stream --id "$NODE_ID" --env PROD → .NodeDagInfo.UpStreamNodeList
# 代码确认：get-physical-node-content --node-id "$NODE_ID" --env PROD → .Data.CodeContent

相关命令

  • update-batch-task — 已提交任务的后续编辑（经套件入口 alibabacloud-dataphin-skills 路由加载）
  • find-tenant-root-node — 获取虚拟根节点（经套件入口路由加载）
  • aliyun dataphin-public create-batch-task — 先建文件（得到 FileId）
  • aliyun dataphin-public get-batch-task-info --file-id <N> — 查看任务详情 / 获取 DagId
  • aliyun dataphin-public list-nodes / list-instances — 提交后跟踪运行情况
Discovery
Tags

No tags published for this skill.

Version
Latest version metadata

Version

v2026.09.24

Published

Sep 24, 2026

Category

Uncategorized

License

Not specified

Source path

skills/analyticscomputing/dataphin/alibabacloud-dataphin-skills/references/dev/submit-batch-task

Default branch

master

Latest commit

1ba18b8

Tree SHA

6ed356b