EMRAmazon-Version 6.3.0 - Amazon EMR
6.3.0 Anwendungsversionen6.3.0 Versionshinweise6.3.0 Komponentenversionen6.3.0 Konfigurationsklassifizierungen

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

EMRAmazon-Version 6.3.0

6.3.0 Anwendungsversionen

Die folgenden Anwendungen werden in dieser Version unterstützt: Flink, Ganglia, HBase, HCatalog, Hadoop, Hive, Hudi, Hue, JupyterEnterpriseGateway, JupyterHub, Livy, MXNet, Oozie, Phoenix, Pig, Presto, PrestoSQL, Spark, Sqoop, TensorFlow, Tez, Zeppelin, und ZooKeeper.

In der folgenden Tabelle sind die in dieser Version von Amazon verfügbaren Anwendungsversionen EMR und die Anwendungsversionen der vorherigen drei EMR Amazon-Versionen (sofern zutreffend) aufgeführt.

Eine umfassende Historie der Anwendungsversionen für jede Version von Amazon EMR finden Sie in den folgenden Themen:

Informationen zur Anwendungsversion
emr-6.3.0 emr-6.2.1 emr-6.2.0 emr-6.1.1
AWS SDKfür Java 1.11.9771.11.8801.11.8801.11.828
Python 2,7, 3,72,7, 3,72,7, 3,72,7, 3,7
Scala 2.12,102.12.102.12.102.12.10
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink1.12.11.11.21.11.21.11.0
Ganglia3.7.23.7.23.7.23.7.2
HBase2.2.62.2.6-amzn-02.2.6-amzn-02.2.5
HCatalog3.1.23.1.23.1.23.1.2
Hadoop3.2.13.2.13.2.13.2.1
Hive3.1.23.1.23.1.23.1.2
Hudi0.7.0-amzn-00.6.0-amzn-10.6.0-amzn-10.5.2-incubating-amzn-2
Hue4.9.04.8.04.8.04.7.1
Iceberg - - - -
JupyterEnterpriseGateway2.1.02.1.02.1.0 -
JupyterHub1.2.21.1.01.1.01.1.0
Livy0.7.00.7.00.7.00.7.0
MXNet1.7.01.7.01.7.01.6.0
Mahout - - - -
Oozie5.2.15.2.05.2.05.2.0
Phoenix5.0.05.0.05.0.05.0.0
Pig0.17.00.17.00.17.00.17.0
Presto0,245,10,238,30,238,30.232
Spark3.1.13.0.13.0.13.0.0
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow2.4.12.3.12.3.12.1.0
Tez0.9.20.9.20.9.20.9.2
Trino (Presto) SQL350343343338
Zeppelin0.9.00.9.00.9.00.9.0
ZooKeeper3.4.143.4.143.4.143.4.14

6.3.0 Versionshinweise

Die folgenden Versionshinweise enthalten Informationen für EMR Amazon-Version 6.3.0. Änderungen beziehen sich auf Version 6.2.0.

Erste Version: 12. Mai 2021

Letzte Aktualisierung: 9. August 2021

Unterstützte Anwendungen

  • AWS SDK for Java Version 1.11.977

  • CloudWatch Version 2.1.0 senken

  • Version 4.16.0 von EMR DynamoDB Connector

  • EMRFSAusführung 2.46.0

  • Amazon EMR Goodies versie 3.2.0

  • Amazon EMR Kinesis Connector, Version 3.5.0

  • Amazon EMR Record Server, Version 2.0.0

  • Amazon EMR Scripts versie 2.5.0

  • Flink-Version 1.12.1

  • Ganglia Version 3.7.2

  • AWS Glue Hive Metastore Client Version 3.2.0

  • Hadoop-Version 3.2.1-amzn-3

  • HBaseAusführung 2.2.6-amzn-1

  • HBase-Operator-Tools 1.0.0

  • HCatalogAusführung 3.1.2-amzn-0

  • Hive-Version 3.1.2-amzn-4

  • Hudi-Version 0.7.0-amzn-0

  • Hue Version 4.9.0

  • JDKJava-Version Corretto-8.282.08.1 (Build 1.8.0_282-b08)

  • JupyterHub Ausführung 1.2.0

  • Livy-Version 0.7.0-incubating

  • MXNetAusführung 1.7.0

  • Oozie-Version 5.2.1

  • Phoenix Version 5.0.0

  • Pig Version 0.17.0

  • Presto-Version 0.245.1-amzn-0

  • Presto, Version 3.5.0 SQL

  • Apache Ranger KMS (transparente Multimaster-Verschlüsselung) Version 2.0.0

  • Ranger-Plugins 2.0.1-amzn-0

  • Ranger-S3-Plugin 1.1.0

  • SageMaker Spark-Version 1.4.1 SDK

  • Scala Version 2.12.10 (Offene JDK 64-Bit-Server-VM, Java 1.8.0_282)

  • Spark-Version 3.1.1-amzn-0

  • Spark-Rapids 0.4.1

  • Sqoop-Version 1.4.7

  • TensorFlow Ausführung 2.4.1

  • Tez-Version 0.9.2

  • Zeppelin-Version 0.9.0

  • Zookeeper Version 3.4.14

  • Konnektoren und Treiber: DynamoDB Connector 4.16.0

Neue Features

  • Amazon EMR unterstützt Amazon S3 Access Points, eine Funktion von Amazon S3, mit der Sie den Zugriff auf gemeinsam genutzte Data Lakes einfach verwalten können. Mit Ihrem Amazon S3 Access Point-Alias können Sie Ihren Datenzugriff auf Amazon in großem Umfang vereinfachenEMR. Sie können Amazon S3 Access Points mit allen Versionen von Amazon EMR verwenden, ohne dass zusätzliche Kosten anfallen. AWS Regionen, in denen Amazon verfügbar EMR ist. Weitere Informationen zu Amazon S3 Access Points und Zugangspunkt-Aliassen finden Sie unter Verwenden eines Alias im Bucket-Stil für Ihren Zugangspunkt im Amazon-S3-Benutzerhandbuch.

  • Die neuen ListReleaseLabel API Parameter DescribeReleaseLabel und die Parameter enthalten Informationen zum EMR Amazon-Release-Label. Sie können programmgesteuert Versionen auflisten, die in der Region verfügbar sind, in der die API Anfrage ausgeführt wird, und die verfügbaren Anwendungen für ein bestimmtes EMR Amazon-Release-Label auflisten. In den Release-Label-Parametern werden auch EMR Amazon-Releases aufgeführt, die eine bestimmte Anwendung unterstützen, z. B. Spark. Diese Informationen können verwendet werden, um EMR Amazon-Cluster programmgesteuert zu starten. Sie können beispielsweise einen Cluster mit der neuesten Release-Version aus den ListReleaseLabel-Ergebnissen starten. Weitere Informationen finden Sie unter DescribeReleaseLabelund ListReleaseLabelsin der EMRAPIAmazon-Referenz.

  • Mit Amazon EMR 6.3.0 können Sie einen Cluster starten, der nativ in Apache Ranger integriert ist. Apache Ranger ist ein Open-Source-Framework zur Aktivierung, Überwachung und Verwaltung einer umfassenden Datensicherheit auf der gesamten Hadoop-Plattform. Weitere Informationen finden Sie unter Apache Ranger. Dank der nativen Integration können Sie Ihren eigenen Apache Ranger verwenden, um eine detaillierte Datenzugriffskontrolle auf Amazon durchzusetzen. EMR Weitere Informationen finden Sie unter Integrieren von Amazon EMR mit Apache Ranger im Amazon EMR Management Guide.

  • Geltungsbereich verwalteter Richtlinien: Zur Anpassung an AWS Nach bewährten Methoden EMR hat Amazon EMR verwaltete Standardrichtlinien mit Geltungsbereich v2 als Ersatz für Richtlinien eingeführt, die nicht mehr unterstützt werden. Weitere Informationen finden Sie unter EMRVon Amazon verwaltete Richtlinien.

  • Support-Status für Instance Metadata Service (IMDS) V2: Für Amazon EMR 6.2 oder höher werden EMR Amazon-Komponenten IMDSv2 für alle IMDS Aufrufe verwendet. Für IMDS Aufrufe in Ihrem Anwendungscode können Sie IMDSv1 sowohl als auch verwenden oder die Option so konfigurierenIMDSv2, IMDS dass sie nur IMDSv2 für zusätzliche Sicherheit verwendet wird. Wenn Sie die Option IMDSv1 in früheren Amazon EMR 6.x-Versionen deaktivieren, führt dies zu einem Cluster-Startfehler.

Änderungen, Verbesserungen und behobene Probleme

  • Dies ist eine Version zur Behebung von Problemen mit Amazon EMR Scaling, wenn ein Cluster nicht erfolgreich hoch-/herunterskaliert werden kann oder wenn es zu Anwendungsausfällen kommt.

  • Es wurde ein Problem behoben, bei dem Skalierungsanforderungen für einen großen, stark ausgelasteten Cluster fehlschlugen, wenn EMR Amazon-On-Cluster-Daemons Aktivitäten zur Integritätsprüfung durchführten, z. B. das Erfassen von YARN Knotenstatus und HDFS Knotenstatus. Dies geschah, weil On-Cluster-Daemons die Gesundheitsstatusdaten eines Knotens nicht an interne Amazon-Komponenten weitergeben konnten. EMR

  • Die EMR Cluster-Daemons wurden verbessert, um den Knotenstatus bei der Wiederverwendung von IP-Adressen korrekt nachzuverfolgen, um die Zuverlässigkeit bei Skalierungsvorgängen zu erhöhen.

  • SPARK-29683. Es wurde ein Problem behoben, bei dem während der Cluster-Skalierung Auftragsfehler auftraten, da Spark davon ausging, dass alle verfügbaren Knoten auf der Verweigern-Liste standen.

  • YARN-9011. Es wurde ein Problem behoben, bei dem Jobfehler aufgrund eines Fehlers bei der YARN Außerbetriebnahme auftraten, wenn der Cluster versuchte, nach oben oder unten zu skalieren.

  • Das Problem mit Schritt- oder Jobfehlern bei der Cluster-Skalierung wurde behoben, indem sichergestellt wurde, dass die Knotenstatus zwischen den EMR Amazon-On-Cluster-Daemons und/immer konsistent sind. YARN HDFS

  • Es wurde ein Problem behoben, bei dem Clustervorgänge wie Herunterskalierung und Schrittübermittlung für EMR Amazon-Cluster, die mit Kerberos-Authentifizierung aktiviert waren, fehlschlugen. Dies lag daran, dass der EMR Amazon-On-Cluster-Daemon das Kerberos-Ticket nicht erneuert hat, das für die sichere Kommunikation HDFS YARN mit/auf dem primären Knoten erforderlich ist.

  • Neuere EMR Amazon-Versionen beheben das Problem mit einem niedrigeren Limit für „Max. Anzahl geöffneter Dateien“ für ältere Versionen AL2 in AmazonEMR. Die EMR Amazon-Versionen 5.30.1, 5.30.2, 5.31.1, 5.32.1, 6.0.1, 6.1.1, 6.2.1, 5.33.0, 6.3.0 und höher enthalten jetzt einen dauerhaften Fix mit einer höheren Einstellung für „Max. Anzahl geöffneter Dateien“.

  • Die SQL Standardeinstellung für den formatted Erklärmodus der Spark-Benutzeroberfläche wurde in Spark 3.1 von auf geändert. extended Amazon EMR hat es wieder auf die Aufnahme extended logischer Planinformationen in die SQL Spark-Benutzeroberfläche zurückgesetzt. Dies kann durch Einstellen von spark.sql.ui.explainMode auf formatted rückgängig gemacht werden.

  • Die folgenden Commits wurden aus dem Spark-Master-Branch zurückportiert.

    - [SPARK-34752] [BUILD] Geben Sie Jetty an 9.4.37 an die Adresse -2020-27223. CVE

    - [-34534] Korrigiert die Reihenfolge beim Abrufen von Blöcken. SPARK blockIds FetchShuffleBlocks

    - [SPARK-34681] [SQL] Es wurde ein Fehler behoben, der beim Erstellen der linken Seite mit einer ungleichen Bedingung beim Erstellen eines kompletten Router-Shuffled-Hash-Joins auftrat.

    - [SPARK-34497] [SQL] Integrierte Verbindungsanbieter wurden behoben, um Änderungen im Sicherheitskontext wiederherzustellen. JDBC JVM

  • Um die Interoperabilität mit dem Nvidia RAPIDs Spark-Plugin zu verbessern, wurde eine Problemumgehung hinzugefügt, um ein Problem zu beheben, das verhindert, dass das dynamische Bereinigen von Partitionen ausgelöst wird, wenn Nvidia Spark RAPIDs mit deaktivierter adaptiver Abfrageausführung verwendet wird. Weitere Informationen finden Sie unter RAPIDSProblem #1378 und Problem # #1386. RAPIDS Einzelheiten zur neuen Konfiguration spark.sql.optimizer.dynamicPartitionPruning.enforceBroadcastReuse finden Sie in RAPIDSAusgabe #1386.

  • Der Standardalgorithmus für den Dateiausgabe-Committer wurde in Open Source Spark 3.1 vom v2-Algorithmus auf den v1-Algorithmus geändert. Weitere Informationen finden Sie unter Amazon EMR Optimizing Spark Performance — Dynamic Partition Pruning.

  • Amazon EMR kehrte zum v2-Algorithmus zurück, dem in früheren Amazon EMR 6.x-Versionen verwendeten Standard, um Leistungsrückgänge zu verhindern. Um das Open-Source-Verhalten von Spark 3.1 wiederherzustellen, setzen Sie spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version auf 1. Open Source Spark hat diese Änderung vorgenommen, weil das Festschreiben von Aufgaben im Datei-Output-Committer-Algorithmus v2 nicht atomar ist, was in einigen Fällen zu Problemen mit der Korrektheit der Ausgabedaten führen kann. Das Festschreiben von Aufgaben im Algorithmus v1 ist jedoch auch nicht atomar. In einigen Szenarien beinhaltet die Aufgabenübergabe ein Löschen, das vor einer Umbenennung durchgeführt wird. Dies kann zu einem unbemerkten Problem mit der Datenkorrektheit führen.

  • Managed Scaling-Probleme in früheren EMR Amazon-Versionen wurden behoben und Verbesserungen vorgenommen, sodass die Ausfallraten von Anwendungen erheblich reduziert wurden.

  • Installiert AWS SDKJava-Bundle auf jedem neuen Cluster. Dies ist ein einzelnes JAR, das alle Dienste SDKs und ihre Abhängigkeiten enthält, anstatt einzelne Komponenten-Jars. Weitere Informationen finden Sie unter Java SDK Bundled Dependency.

Bekannte Probleme

  • Für private Subnetz-Cluster von Amazon EMR 6.3.0 und 6.2.0 können Sie nicht auf die Ganglia-Webbenutzeroberfläche zugreifen. Sie erhalten die Fehlermeldung „Zugriff verweigert (403)“. Andere Websites wie SparkUIs, Hue, Zeppelin JupyterHub, Livy und Tez funktionieren normal. Der Zugriff auf die Ganglia-Web-Benutzeroberfläche auf öffentlichen Subnetzclustern funktioniert ebenfalls normal. Um dieses Problem zu beheben, starten Sie den httpd-Service auf dem Primärknoten mit sudo systemctl restart httpd neu. Dieses Problem wurde in Amazon EMR 6.4.0 behoben.

  • Wann AWS Glue Data Catalog ist aktiviert und verwendet Spark für den Zugriff auf AWS Glue DB mit Null-Zeichenkettenposition URI kann fehlschlagen. Dies passiert bei früheren EMR Amazon-Versionen, aber mit SPARK -31709 (https://issues.apache.org/jira/browse/ SPARK -31709) gilt es für mehr Fälle. Zum Beispiel beim Erstellen einer Tabelle innerhalb der Standardeinstellung AWS Glue DB, deren Speicherort eine Nullzeichenfolge URI ist, spark.sql("CREATE TABLE mytest (key string) location '/table_path';") schlägt mit der Meldung „Aus einer leeren Zeichenfolge kann kein Pfad erstellt werden“ fehl. Um dies zu umgehen, legen Sie manuell einen Speicherort URI für Ihr AWS Glue Sie Datenbanken zusammen und erstellen Sie dann mit Spark Tabellen innerhalb dieser Datenbanken.

  • In Amazon EMR 6.3.0 SQL wurde Presto von Version 343 auf Version 350 aktualisiert. Es gibt zwei sicherheitsrelevante Änderungen von Open Source, die sich auf diese Versionsänderung beziehen. Die dateibasierte Katalogzugriffssteuerung wurde von deny zu allow geändert, wenn keine Regeln für Tabellen-, Schema- oder Sitzungseigenschaften definiert sind. Außerdem wurde die dateibasierte Systemzugriffskontrolle dahingehend geändert, dass sie Dateien unterstützt, für die keine Katalogregeln definiert sind. In diesem Fall ist der gesamte Zugriff auf Kataloge zulässig.

    Weitere Informationen finden Sie in Version 344 (9. Oktober 2020).

  • Beachten Sie, dass das Hadoop-Benutzerverzeichnis (/home/hadoop) für jeden lesbar ist. Es verfügt über Unix 755 (drwxr-xr-x) -Verzeichnisberechtigungen, um Frameworks wie Hive den Lesezugriff zu ermöglichen. Sie können Dateien in /home/hadoop und seinen Unterverzeichnissen ablegen, beachten Sie jedoch die Berechtigungen für diese Verzeichnisse, um vertrauliche Informationen zu schützen.

  • Niedrigeres Limit für die maximale Anzahl geöffneter Dateien bei älteren Versionen AL2 [in neueren Versionen behoben]. EMRAmazon-Versionen: emr-5.30.x, emr-5.31.0, emr-5.32.0, emr-6.0.0, emr-6.1.0 und emr-6.2.0 basieren auf älteren Versionen von ofAmazon Linux 2 (AL2), die eine niedrigere Ulimit-Einstellung für „Max. Geöffnete Dateien“ haben, wenn Amazon-Cluster mit der Standardeinstellung erstellt werden. EMR AMI Die EMR Amazon-Versionen 5.30.1, 5.30.2, 5.31.1, 5.32.1, 6.0.1, 6.1.1, 6.2.1, 5.33.0, 6.3.0 und höher enthalten einen dauerhaften Fix mit einer höheren Einstellung für „Max. Anzahl geöffneter Dateien“. Versionen mit einem niedrigeren Limit für geöffnete Dateien verursachen beim Senden des Spark-Jobs den Fehler „Zu viele offene Dateien“. In den betroffenen Versionen AMI hat die EMR Amazon-Standardeinstellung eine Ulimit-Standardeinstellung von 4096 für „Max. Geöffnete Dateien“, was unter dem Dateilimit von 65536 in Linux 2 liegt. latestAmazon AMI Die niedrigere Ulimit-Einstellung für „Max. Anzahl geöffneter Dateien“ führt dazu, dass der Spark-Job fehlschlägt, wenn der Spark-Treiber und der Executor versuchen, mehr als 4 096 Dateien zu öffnen. Um das Problem zu beheben, EMR verfügt Amazon über ein Bootstrap Action (BA) -Skript, das die Ulimit-Einstellung bei der Cluster-Erstellung anpasst.

    Wenn Sie eine ältere EMR Amazon-Version verwenden, die nicht über die permanente Lösung für dieses Problem verfügt, können Sie mit der folgenden Problemumgehung das Instance-Controller-Ulimit explizit auf maximal 65536 Dateien festlegen.

    Explizit ein ulimit über die Befehlszeile setzen

    1. Bearbeiten Sie /etc/systemd/system/instance-controller.service, um die folgenden Parameter zum Abschnitt Service hinzuzufügen.

      LimitNOFILE=65536

      LimitNPROC=65536

    2. Starten Sie neu InstanceController

      $ sudo systemctl daemon-reload

      $ sudo systemctl restart instance-controller

    Mithilfe der Bootstrap-Aktion (BA) ein Ulimit festlegen

    Sie können auch ein Bootstrap-Aktionsskript (BA) verwenden, um das Ulimit für den Instance-Controller bei der Clustererstellung auf 65 536 Dateien zu konfigurieren.

    #!/bin/bash
for user in hadoop spark hive; do
sudo tee /etc/security/limits.d/$user.conf << EOF
$user - nofile 65536
$user - nproc 65536
EOF
done
for proc in instancecontroller logpusher; do
sudo mkdir -p /etc/systemd/system/$proc.service.d/
sudo tee /etc/systemd/system/$proc.service.d/override.conf << EOF
[Service]
LimitNOFILE=65536
LimitNPROC=65536
EOF
pid=$(pgrep -f aws157.$proc.Main)
sudo prlimit --pid $pid --nofile=65535:65535 --nproc=65535:65535
done
sudo systemctl daemon-reload
  • Wichtig

    EMRCluster, auf denen Amazon Linux oder Amazon Linux 2 Amazon Machine Images (AMIs) ausgeführt werden, verwenden das Standardverhalten von Amazon Linux und laden wichtige und kritische Kernel-Updates, die einen Neustart erfordern, nicht automatisch herunter und installieren sie. Dies ist dasselbe Verhalten wie bei anderen EC2 Amazon-Instances, auf denen das standardmäßige Amazon Linux ausgeführt wirdAMI. Wenn neue Amazon Linux-Softwareupdates, die einen Neustart erfordern (wie Kernel und CUDA Updates)NVIDIA, verfügbar werden, nachdem eine EMR Amazon-Version verfügbar wird, laden EMR Cluster-Instances, die standardmäßig ausgeführt werden, diese Updates AMI nicht automatisch herunter und installieren sie. Um Kernel-Updates zu erhalten, können Sie Ihr Amazon so anpassen EMR AMI, dass es das neueste Amazon Linux verwendet AMI.

  • Um Spark-Aktionen mit Apache Oozie zu verwenden, müssen Sie Ihrer Oozie-workflow.xml-Datei die folgende Konfiguration hinzufügen. Andernfalls fehlen mehrere wichtige Bibliotheken wie Hadoop und EMRFS E im Klassenpfad der Spark-Executoren, die Oozie startet.

    <spark-opts>--conf spark.yarn.populateHadoopClasspath=true</spark-opts>

  • Wenn Sie Spark mit der Formatierung des Hive-Partitionsspeicherorts verwenden, um Daten in Amazon S3 zu lesen, und Sie Spark auf den EMR Amazon-Versionen 5.30.0 bis 5.36.0 und 6.2.0 bis 6.9.0 ausführen, kann ein Problem auftreten, das verhindert, dass Ihr Cluster Daten korrekt liest. Dies kann passieren, wenn Ihre Partitionen alle der folgenden Eigenschaften aufweisen:

    • Zwei oder mehr Partitionen werden aus derselben Tabelle gescannt.

    • Mindestens ein Partitionsverzeichnispfad ist ein Präfix für mindestens einen anderen Partitionsverzeichnispfad, z. B. ist s3://bucket/table/p=a ein Präfix von s3://bucket/table/p=a b.

    • Das erste Zeichen, das auf das Präfix im anderen Partitionsverzeichnis folgt, hat einen Wert von UTF -8, der kleiner als das Zeichen (U+002F) ist. / Beispielsweise fällt das Leerzeichen (U+0020), das in s3://bucket/table/p=a b zwischen a und b vorkommt, in diese Kategorie. Beachten Sie, dass es 14 weitere Zeichen gibt, die keine Kontrollzeichen sind: !"#$%&‘()*+,-. Weitere Informationen finden Sie unter Kodierungstabelle UTF -8 und Unicode-Zeichen.

    Um dieses Problem zu umgehen, stellen Sie die spark.sql.sources.fastS3PartitionDiscovery.enabled-Konfiguration auf false in der spark-defaults-Klassifizierung ein.

6.3.0 Komponentenversionen

Die Komponenten, die Amazon mit dieser Version EMR installiert, sind unten aufgeführt. Einige werden als Teil von Big-Data-Anwendungspaketen installiert. Andere sind nur bei Amazon erhältlich EMR und werden für Systemprozesse und Funktionen installiert. Diese beginnen in der Regel mit emr oder aws. Big-Data-Anwendungspakete in der neuesten EMR Amazon-Version sind normalerweise die neueste Version, die in der Community zu finden ist. Wir stellen Community-Veröffentlichungen EMR so schnell wie möglich auf Amazon zur Verfügung.

Einige Komponenten in Amazon EMR unterscheiden sich von Community-Versionen. Diese Komponenten verfügen über eine Versionsbezeichnung in der Form CommunityVersion-amzn-EmrVersion. Der EmrVersion beginnt bei 0. Wenn beispielsweise eine Open-Source-Community-Komponente, die myapp-component mit Version 2.2 benannt ist, dreimal geändert wurde, um sie in verschiedenen EMR Amazon-Versionen aufzunehmen, wird ihre Release-Version als aufgeführt2.2-amzn-2.

Komponente Version Beschreibung
aws-sagemaker-spark-sdk1.4.1Amazon SageMaker Spark SDK
emr-ddb4.16.0Amazon DynamoDB-Connector für Anwendungen aus dem Hadoop-Ökosystem.
emr-goodies3.2.0Praktische Bibliotheken für das Hadoop-Ökosystem.
emr-kinesis3.5.0Amazon Kinesis-Connector für Anwendungen aus dem Hadoop-Ökosystem.
emr-notebook-env1.2.0Conda Env für EMR-Notebooks, das Jupyter Enterprise Gateway enthält
emr-s3-dist-cp2.18.0Verteilte Kopieranwendung, die für Amazon S3 optimiert ist.
emr-s3-select2.1.0EMRS3Select-Anschluss
emrfs2.46.0Amazon S3-Connector für Anwendungen aus dem Hadoop-Ökosystem.
flink-client1.12.1Apache Flink-Clientskripts und -Anwendungen für die Befehlszeile.
flink-jobmanager-config1.12.1Verwaltung von Ressourcen auf EMR Knoten für Apache JobManager Flink.
ganglia-monitor3.7.2Eingebetteter Ganglia-Agent für Anwendungen aus dem Hadoop-Ökosystem zusammen mit dem Ganglia-Überwachungsagent.
ganglia-metadata-collector3.7.2Ganglia-Metadaten-Kollektor zum Aggregieren von Metriken aus Ganglia-Überwachungsagenten.
ganglia-web3.7.1Webanwendung zum Anzeigen von durch den Ganglia-Metadaten-Kollektor gesammelten Metriken.
hadoop-client3.2.1-amzn-3Hadoop-Befehlszeilen-Clients wie z. B. "hdfs", "Hadoop" oder "Garn".
hadoop-hdfs-datanode3.2.1-amzn-3HDFSDienst auf Knotenebene zum Speichern von Blöcken.
hadoop-hdfs-library3.2.1-amzn-3HDFSBefehlszeilenclient und Bibliothek
hadoop-hdfs-namenode3.2.1-amzn-3HDFSDienst zum Verfolgen von Dateinamen und Blockspeicherorten.
hadoop-hdfs-journalnode3.2.1-amzn-3HDFSDienst für die Verwaltung des Hadoop-Dateisystem-Journals auf HA-Clustern.
hadoop-httpfs-server3.2.1-amzn-3HTTPEndpunkt für OperationenHDFS.
hadoop-kms-server3.2.1-amzn-3Kryptografischer Schlüsselverwaltungsserver, der auf dem von Hadoop basiert. KeyProvider API
hadoop-mapred3.2.1-amzn-3MapReduce Execution Engine-Bibliotheken zum Ausführen einer MapReduce Anwendung.
hadoop-yarn-nodemanager3.2.1-amzn-3YARNDienst für die Verwaltung von Containern auf einem einzelnen Knoten.
hadoop-yarn-resourcemanager3.2.1-amzn-3YARNDienst für die Zuweisung und Verwaltung von Clusterressourcen und verteilten Anwendungen.
hadoop-yarn-timeline-server3.2.1-amzn-3Dienst zum Abrufen aktueller und historischer Informationen für YARN Anwendungen.
hbase-hmaster2.2.6-amzn-1Dienst für einen HBase Cluster, der für die Koordination der Regionen und die Ausführung von Verwaltungsbefehlen zuständig ist.
hbase-region-server2.2.6-amzn-1Dienst für die Versorgung einer oder mehrerer HBase Regionen.
hbase-client2.2.6-amzn-1HBaseBefehlszeilenclient.
hbase-rest-server2.2.6-amzn-1Dienst, der einen RESTful HTTP Endpunkt für bereitstellt. HBase
hbase-thrift-server2.2.6-amzn-1Dienst, der einen Thrift-Endpunkt für HBase bereitstellt.
hcatalog-client3.1.2-amzn-4Der "hcat"-Befehlszeilen-Client-für das Bearbeiten des hcatalog-Servers.
hcatalog-server3.1.2-amzn-4Bereitstellung von DienstenHCatalog, einer Tabelle und einer Speicherverwaltungsebene für verteilte Anwendungen.
hcatalog-webhcat-server3.1.2-amzn-4HTTPEndpunkt, der eine REST Schnittstelle zu bereitstelltHCatalog.
hive-client3.1.2-amzn-4Hive-Befehlszeilen-Client.
hive-hbase3.1.2-amzn-4Hive-hbase client.
hive-metastore-server3.1.2-amzn-4Dienst für den Zugriff auf den Hive-Metastore, ein semantisches Repository, das Metadaten für SQL Hadoop-Operationen speichert.
hive-server23.1.2-amzn-4Service zur Annahme von Hive-Abfragen als Webanfragen.
hudi0.7.0-amzn-0Inkrementelles Verarbeitungs-Framework zur Stromversorgung der Datenpipline bei geringer Latenz und hoher Effizienz.
hudi-presto0.7.0-amzn-0Bundle-Bibliothek zum Ausführen von Presto mit Hudi.
hudi-prestosql0.7.0-amzn-0Bundle-Bibliothek zum Ausführen von Presto mit Hudi. SQL
hudi-spark0.7.0-amzn-0Bündel-Bibliothek zum Ausführen von Spark mit Hudi.
hue-server4.9.0Webanwendung für die Analyse von Daten mithilfe von Hadoop-Anwendungen.
jupyterhub1.2.2Multi-User-Server für Jupyter-Notebooks
livy-server0.7.0-incubatingRESTSchnittstelle für die Interaktion mit Apache Spark
nginx1.12.1nginx [engine x] ist ein HTTP Reverse-Proxy-Server
mxnet1.7.0Eine flexible, skalierbare und effiziente Bibliothek für Deep Learning.
mariadb-server5.5.68+MariaDB-Datenbankserver.
nvidia-cuda10.1,243Nvidia-Treiber und Cuda-Toolkit
oozie-client5.2.1Oozie-Befehlszeilen-Client.
oozie-server5.2.1Service für die Annahme von Oozie Workflow-Anforderungen.
opencv4.5.0Open Source Computer Vision Library.
phoenix-library5.0.0- -2.0 HBaseDie Phoenix-Bibliotheken für den Server und den Client
phoenix-query-server5.0.0- -2,0 HBaseEin leichter Server, der sowohl JDBC Zugriff als auch Protokollpuffer und JSON Formatzugriff auf die Avatica bietet API
presto-coordinator0.245.1-amzn-0Service zur Annahme von Abfragen und die Verwaltung der Abfrageausführung der Presto-Worker.
presto-worker0.245.1-amzn-0Service für das Ausführen von Teilen einer Abfrage.
presto-client0.245.1-amzn-0Presto-Befehlszeilenclient, der auf den Standby-Mastern eines HA-Clusters installiert ist, auf denen der Presto-Server nicht gestartet wird.
prestosql-coordinator350Service zur Annahme von Abfragen und die Verwaltung der Abfrageausführung der Prestosql-Worker.
prestosql-worker350Service für das Ausführen von Teilen einer Abfrage.
prestosql-client350Presto-Befehlszeilenclient, der auf den Standby-Mastern eines HA-Clusters installiert ist, auf denen der Presto-Server nicht gestartet wird.
pig-client0.17.0Pig-Befehlszeilen-Client.
r4.0.2The R Project for Statistical Computing (Software zur statistischen Datenverarbeitung)
ranger-kms-server2.0.0Apache Ranger Key Management System
spark-client3.1.1-amzn-0Spark-Befehlszeilen-Clients.
spark-history-server3.1.1-amzn-0Web-Benutzeroberfläche zum Anzeigen von protokollierten Ereignissen für die gesamte Lebensdauer einer abgeschlossenen Spark-Anwendung.
spark-on-yarn3.1.1-amzn-0In-Memory-Ausführungsengine für. YARN
spark-yarn-slave3.1.1-amzn-0Apache Spark-Bibliotheken, die von YARN Slaves benötigt werden.
spark-rapids0.4.1Nvidia RAPIDS Spark-Plugin, das Apache Spark beschleunigt mitGPUs.
sqoop-client1.4.7Apache Sqoop-Befehlszeilen-Client.
tensorflow2.4.1TensorFlow Open-Source-Softwarebibliothek für leistungsstarke numerische Berechnungen.
tez-on-yarn0.9.2Die YARN TEZ-Anwendung und die Bibliotheken.
webserver2.4.41+HTTPApache-Server.
zeppelin-server0.9.0Webbasiertes Notizbuch, das interaktive Datenanalysen ermöglicht.
zookeeper-server3.4.14Zentraler Service für die Verwaltung von Konfigurationsinformationen, die Benennung, die Bereitstellung verteilter Synchronisierung und die Bereitstellung von Gruppenservices.
zookeeper-client3.4.14ZooKeeper Befehlszeilen-Client.

6.3.0 Konfigurationsklassifizierungen

Mithilfe von Konfigurationsklassifizierungen können Sie Anwendungen anpassen. Diese entsprechen häufig einer XML Konfigurationsdatei für die Anwendung, wie hive-site.xml z. Weitere Informationen finden Sie unter Anwendungen konfigurieren.

Aktionen zur Neukonfiguration treten auf, wenn Sie eine Konfiguration für Instance-Gruppen in einem laufenden Cluster angeben. Amazon leitet EMR nur Rekonfigurationsaktionen für die Klassifizierungen ein, die Sie ändern. Weitere Informationen finden Sie unter Eine Instance-Gruppe in einem laufenden Cluster neu konfigurieren.

emr-6.3.0-Klassifizierungen
Klassifizierungen Beschreibung Aktionen zur Neukonfiguration

capacity-scheduler

Ändert die Werte in der capacity-scheduler.xml-Datei in Hadoop.

Restarts the ResourceManager service.

container-executor

Ändern Sie die Werte in der Datei container-executor.cfg von HadoopYARN.

Not available.

container-log4j

Ändern Sie die Werte in der Datei container-log4j.properties YARN von Hadoop.

Not available.

core-site

Ändert die Werte in der core-site.xml-Datei in Hadoop.

Restarts the Hadoop HDFS services Namenode, SecondaryNamenode, Datanode, ZKFC, and Journalnode. Restarts the Hadoop YARN services ResourceManager, NodeManager, ProxyServer, and TimelineServer. Additionally restarts Hadoop KMS, Ranger KMS, HiveServer2, Hive MetaStore, Hadoop Httpfs, and MapReduce-HistoryServer.

docker-conf

Ändern Sie die Docker-bezogenen Einstellungen.

Not available.

emrfs-site

EMRFSEinstellungen ändern.

Restarts the Hadoop HDFS services Namenode, SecondaryNamenode, Datanode, ZKFC, and Journalnode. Restarts the Hadoop YARN services ResourceManager, NodeManager, ProxyServer, and TimelineServer. Additionally restarts HBaseRegionserver, HBaseMaster, HBaseThrift, HBaseRest, HiveServer2, Hive MetaStore, Hadoop Httpfs, and MapReduce-HistoryServer.

flink-conf

Ändert die flink-conf.yaml-Einstellungen.

Restarts Flink history server.

flink-log4j

Ändert die log4j.properties-Einstellungen für Flink.

Restarts Flink history server.

flink-log4j-session

Ändern Sie die Einstellungen von Flink log4j-session.properties für Kubernetes-/Yarn-Sitzungen.

Restarts Flink history server.

flink-log4j-cli

Ändert die log4j-cli.properties-Einstellungen für Flink.

Restarts Flink history server.

hadoop-env

Ändert die Werte in der Hadoop-Umgebung für alle Hadoop-Komponenten.

Restarts the Hadoop HDFS services Namenode, SecondaryNamenode, Datanode, ZKFC, and Journalnode. Restarts the Hadoop YARN services ResourceManager, NodeManager, ProxyServer, and TimelineServer. Additionally restarts PhoenixQueryserver, HiveServer2, Hive MetaStore, and MapReduce-HistoryServer.

hadoop-log4j

Ändert die Werte in der log4j.properties-Datei in Hadoop.

Restarts the Hadoop HDFS services SecondaryNamenode, Datanode, and Journalnode. Restarts the Hadoop YARN services ResourceManager, NodeManager, ProxyServer, and TimelineServer. Additionally restarts Hadoop KMS, Hadoop Httpfs, and MapReduce-HistoryServer.

hadoop-ssl-server

Ändert die SSL-Server-Konfiguration in Hadoop.

Not available.

hadoop-ssl-client

Ändert die SSL-Client-Konfiguration in Hadoop.

Not available.

hbase

Amazon EMR — kuratierte Einstellungen für Apache. HBase

Custom EMR specific property. Sets emrfs-site and hbase-site configs. See those for their associated restarts.

hbase-env

Werte in der Umgebung ändernHBase.

Restarts the HBase services RegionServer, HBaseMaster, ThriftServer, RestServer.

hbase-log4j

Ändern Sie die Werte in der Datei HBase hbase-log4j.properties.

Restarts the HBase services RegionServer, HBaseMaster, ThriftServer, RestServer.

hbase-metrics

Ändern Sie die Werte in der Datei hadoop-metrics2-hbase.properties. HBase

Restarts the HBase services RegionServer, HBaseMaster, ThriftServer, RestServer.

hbase-policy

Ändern Sie HBase die Werte in der Datei hbase-policy.xml.

Not available.

hbase-site

Ändern Sie die Werte in HBase der Datei hbase-site.xml.

Restarts the HBase services RegionServer, HBaseMaster, ThriftServer, RestServer. Additionally restarts Phoenix QueryServer.

hdfs-encryption-zones

Konfigurieren Sie HDFS Verschlüsselungszonen.

This classification should not be reconfigured.

hdfs-env

Ändern Sie die Werte in der HDFS Umgebung.

Restarts Hadoop HDFS services Namenode, Datanode, and ZKFC.

hdfs-site

Ändern Sie die Werte in HDFS der Datei hdfs-site.xml.

Restarts the Hadoop HDFS services Namenode, SecondaryNamenode, Datanode, ZKFC, and Journalnode. Additionally restarts Hadoop Httpfs.

hcatalog-env

Werte in HCatalog der Umgebung ändern.

Restarts Hive HCatalog Server.

hcatalog-server-jndi

Ändern Sie die Werte in HCatalog's jndi.properties.

Restarts Hive HCatalog Server.

hcatalog-server-proto-hive-site

Ändern Sie die Werte in .xmlHCatalog. proto-hive-site

Restarts Hive HCatalog Server.

hcatalog-webhcat-env

Werte in der Umgebung ebHCat von HCatalog W ändern.

Restarts Hive WebHCat server.

hcatalog-webhcat-log4j2

Ändern Sie die Werte in den ebHCat log4j2.properties von HCatalog W.

Restarts Hive WebHCat server.

hcatalog-webhcat-site

Ändern Sie die Werte in der Datei webhcat-site.xml von HCatalog W. ebHCat

Restarts Hive WebHCat server.

hive

Amazon EMR — kuratierte Einstellungen für Apache Hive.

Sets configurations to launch Hive LLAP service.

hive-beeline-log4j2

Ändert die Werte in der beeline-log4j2.properties-Datei in Hive.

Not available.

hive-parquet-logging

Ändert die Werte in der parquet-logging.properties-Datei in Hive.

Not available.

hive-env

Ändert die Werte in der Hive-Umgebung.

Restarts HiveServer2, HiveMetastore, and Hive HCatalog-Server. Runs Hive schemaTool CLI commands to verify hive-metastore.

hive-exec-log4j2

Ändern Sie die Werte in der Datei 4j2.properties von Hive. hive-exec-log

Not available.

hive-llap-daemon-log4j2

Ändern Sie die Werte in der Datei 4j2.properties von Hive. llap-daemon-log

Not available.

hive-log4j2

Ändert die Werte in der hive-log4j2.properties-Datei in Hive.

Not available.

hive-site

Ändert die Werte in der hive-site.xml-Datei in Hive.

Restarts HiveServer2, HiveMetastore, and Hive HCatalog-Server. Runs Hive schemaTool CLI commands to verify hive-metastore. Also restarts Oozie and Zeppelin.

hiveserver2-site

Ändert die Werte in der hiveserver2-site.xml-Datei von Server2 in Hive.

Not available.

hue-ini

Ändert die Werte in der INI-Datei in Hue.

Restarts Hue. Also activates Hue config override CLI commands to pick up new configurations.

httpfs-env

Werte in der Umgebung ändern. HTTPFS

Restarts Hadoop Httpfs service.

httpfs-site

Ändert die Werte in der httpfs-site.xml-Datei in Hadoop.

Restarts Hadoop Httpfs service.

hadoop-kms-acls

Ändert die Werte in der kms-acls.xml-Datei in Hadoop.

Not available.

hadoop-kms-env

Werte in der KMS Hadoop-Umgebung ändern.

Restarts Hadoop-KMS service.

hadoop-kms-log4j

Ändert die Werte in der kms-log4j.properties-Datei in Hadoop.

Not available.

hadoop-kms-site

Ändert die Werte in der kms-site.xml-Datei in Hadoop.

Restarts Hadoop-KMS and Ranger-KMS service.

hudi-env

Ändern der Werte in der Hudi-Umgebung.

Not available.

jupyter-notebook-conf

Ändert die Werte in der jupyter_notebook_config.py-Datei in Jupyter Notebook.

Not available.

jupyter-hub-conf

Ändern Sie die Werte in JupyterHubs der Datei jupyterhub_config.py.

Not available.

jupyter-s3-conf

Konfigurieren Sie die S3-Persistenz für Jupyter Notebooks.

Not available.

jupyter-sparkmagic-conf

Ändert die Werte in der config.json-Datei in Sparkmagic.

Not available.

livy-conf

Ändert die Werte in der livy.conf-Datei von Livy.

Restarts Livy Server.

livy-env

Ändert die Werte in der Livy-Umgebung.

Restarts Livy Server.

livy-log4j

Ändert die log4j.properties-Einstellungen für Livy.

Restarts Livy Server.

mapred-env

Ändern Sie die Werte in der MapReduce Anwendungsumgebung.

Restarts Hadoop MapReduce-HistoryServer.

mapred-site

Ändern Sie die Werte in der Datei mapred-site.xml der MapReduce Anwendung.

Restarts Hadoop MapReduce-HistoryServer.

oozie-env

Ändert die Werte in der Oozie-Umgebung.

Restarts Oozie.

oozie-log4j

Ändert die Werte in der oozie-log4j.properties-Datei in Oozie.

Restarts Oozie.

oozie-site

Ändert die Werte in der oozie-site.xml-Datei in Oozie.

Restarts Oozie.

phoenix-hbase-metrics

Ändert die Werte in der hadoop-metrics2-hbase.properties-Datei in Phoenix.

Not available.

phoenix-hbase-site

Ändert die Werte in der hbase-site.xml-Datei in Phoenix.

Not available.

phoenix-log4j

Ändert die Werte in der log4j.properties-Datei in Phoenix.

Restarts Phoenix-QueryServer.

phoenix-metrics

Ändert die Werte in der hadoop-metrics2-phoenix.properties-Datei in Phoenix.

Not available.

pig-env

Ändert die Werte in der Pig-Umgebung.

Not available.

pig-properties

Ändert die Werte in der pig.properties-Datei in Pig.

Restarts Oozie.

pig-log4j

Ändert die Werte in der log4j.properties-Datei in Pig.

Not available.

presto-log

Ändert die Werte in der log.properties-Datei in Presto.

Restarts Presto-Server (for PrestoDB)

presto-config

Ändert die Werte in der config.properties-Datei in Presto.

Restarts Presto-Server (for PrestoDB)

presto-password-authenticator

Ändern Sie Werte in der Presto-Datei password-authenticator.properties.

Not available.

presto-env

Ändern Sie die Werte in der presto-env.sh-Datei in Presto.

Restarts Presto-Server (for PrestoDB)

presto-node

Ändern Sie die Werte in der node.properties-Datei in Presto.

Not available.

presto-connector-blackhole

Ändert die Werte in der blackhole.properties-Datei in Presto.

Not available.

presto-connector-cassandra

Ändert die Werte in der cassandra.properties-Datei in Presto.

Not available.

presto-connector-hive

Ändert die Werte in der hive.properties-Datei in Presto.

Restarts Presto-Server (for PrestoDB)

presto-connector-jmx

Ändert die Werte in der jmx.properties-Datei in Presto.

Not available.

presto-connector-kafka

Ändert die Werte in der kafka.properties-Datei in Presto.

Not available.

presto-connector-localfile

Ändert die Werte in der localfile.properties-Datei in Presto.

Not available.

presto-connector-memory

Ändert die Werte in der memory.properties-Datei in Presto.

Not available.

presto-connector-mongodb

Ändert die Werte in der mongodb.properties-Datei in Presto.

Not available.

presto-connector-mysql

Ändert die Werte in der mysql.properties-Datei in Presto.

Not available.

presto-connector-postgresql

Ändert die Werte in der postgresql.properties-Datei in Presto.

Not available.

presto-connector-raptor

Ändert die Werte in der raptor.properties-Datei in Presto.

Not available.

presto-connector-redis

Ändert die Werte in der redis.properties-Datei in Presto.

Not available.

presto-connector-redshift

Ändert die Werte in der redshift.properties-Datei.

Not available.

presto-connector-tpch

Ändert die Werte in der tpch.properties-Datei in Presto.

Not available.

presto-connector-tpcds

Ändert die Werte in der tpcds.properties-Datei in Presto.

Not available.

prestosql-log

Ändert die Werte in der log.properties-Datei in Presto.

Restarts Presto-Server (for PrestoSQL)

prestosql-config

Ändert die Werte in der config.properties-Datei in Presto.

Restarts Presto-Server (for PrestoSQL)

prestosql-password-authenticator

Ändern Sie Werte in der Presto-Datei password-authenticator.properties.

Restarts Presto-Server (for PrestoSQL)

prestosql-env

Ändern Sie die Werte in der presto-env.sh-Datei in Presto.

Restarts Presto-Server (for PrestoSQL)

prestosql-node

Ändern Sie die Werte in der Datei SQL node.properties von Presto.

Not available.

prestosql-connector-blackhole

Ändern Sie die Werte in der Datei blackhole.properties von PrestoSQL.

Not available.

prestosql-connector-cassandra

Ändern Sie die Werte in der Datei cassandra.properties von PrestoSQL.

Not available.

prestosql-connector-hive

Ändern Sie die Werte in der Datei hive.properties von Presto. SQL

Restarts Presto-Server (for PrestoSQL)

prestosql-connector-jmx

Ändern Sie die Werte in der Datei jmx.properties von PrestoSQL.

Not available.

prestosql-connector-kafka

Ändern Sie die Werte in der Datei kafka.properties von PrestoSQL.

Not available.

prestosql-connector-localfile

Ändern Sie die Werte in der Datei localfile.properties von PrestoSQL.

Not available.

prestosql-connector-memory

Ändern Sie die Werte in der Datei memory.properties von PrestoSQL.

Not available.

prestosql-connector-mongodb

Ändern Sie die Werte in der Datei mongodb.properties von PrestoSQL.

Not available.

prestosql-connector-mysql

Ändern Sie die Werte in der Datei mysql.properties von PrestoSQL.

Not available.

prestosql-connector-postgresql

Ändern Sie die Werte in der Datei postgresql.properties von PrestoSQL.

Not available.

prestosql-connector-raptor

Ändern Sie die Werte in der Datei raptor.properties von Presto. SQL

Not available.

prestosql-connector-redis

Ändern Sie die Werte in der Datei redis.properties von PrestoSQL.

Not available.

prestosql-connector-redshift

Ändern Sie die Werte in der Datei redshift.properties von PrestoSQL.

Not available.

prestosql-connector-tpch

Ändern Sie die Werte in der Datei tpch.properties von Presto. SQL

Not available.

prestosql-connector-tpcds

Ändern Sie die Werte in der Datei tpcds.properties von PrestoSQL.

Not available.

ranger-kms-dbks-site

Ändern Sie die Werte in der Datei dbks-site.xml von Ranger. KMS

Restarts Ranger KMS Server.

ranger-kms-site

Ändern Sie die Werte in der ranger-kms-site XML-Datei von Ranger. KMS

Restarts Ranger KMS Server.

ranger-kms-env

Ändern Sie Werte in der KMS Ranger-Umgebung.

Restarts Ranger KMS Server.

ranger-kms-log4j

Ändern Sie die Werte in der Datei kms-log4j.properties von Ranger. KMS

Not available.

ranger-kms-db-ca

Ändern Sie die Werte für die CA-Datei auf S3 für Meine Verbindung mit Ranger. SQL SSL KMS

Not available.

spark

Amazon EMR — kuratierte Einstellungen für Apache Spark.

This property modifies spark-defaults. See actions there.

spark-defaults

Ändert die Werte in der spark-defaults.conf-Datei in Spark.

Restarts Spark history server and Spark thrift server.

spark-env

Ändert die Werte in der Spark-Umgebung.

Restarts Spark history server and Spark thrift server.

spark-hive-site

Ändert die Werte in der hive-site.xml-Datei in Spark.

Not available.

spark-log4j

Ändert die Werte in der log4j.properties-Datei in Spark.

Restarts Spark history server and Spark thrift server.

spark-metrics

Ändert die Werte in der metrics.properties-Datei in Spark.

Restarts Spark history server and Spark thrift server.

sqoop-env

Ändert die Werte in der Sqoop-Umgebung.

Not available.

sqoop-oraoop-site

Ändern Sie die Werte in der Datei oraoop-site.xml OraOop von Sqoop.

Not available.

sqoop-site

Ändert die Werte in der sqoop-site.xml in Sqoop.

Not available.

tez-site

Ändert die Werte in der tez-site.xml-Datei in Tez.

Restart Oozie and HiveServer2.

yarn-env

Werte in der YARN Umgebung ändern.

Restarts the Hadoop YARN services ResourceManager, NodeManager, ProxyServer, and TimelineServer. Additionally restarts MapReduce-HistoryServer.

yarn-site

Ändern Sie die Werte in YARN der Datei yarn-site.xml.

Restarts the Hadoop YARN services ResourceManager, NodeManager, ProxyServer, and TimelineServer. Additionally restarts Livy Server and MapReduce-HistoryServer.

zeppelin-env

Ändert die Werte in der Zeppelin-Umgebung.

Restarts Zeppelin.

zeppelin-site

Ändern Sie die Konfigurationseinstellungen in zeppelin-site.xml.

Restarts Zeppelin.

zookeeper-config

Ändern Sie die Werte in ZooKeeper der Datei zoo.cfg.

Restarts Zookeeper server.

zookeeper-log4j

Ändern Sie die Werte in ZooKeeper der Datei log4j.properties.

Restarts Zookeeper server.