Apache Spark - Amazon EMR

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.

Apache Spark

Apache Spark ist ein Framework und Programmiermodell für verteilte Verarbeitung, mit dem Sie maschinelles Lernen, Stream-Verarbeitung oder Diagrammanalysen mit EMR Amazon-Clustern durchführen können. Ähnlich wie Apache Hadoop ist Spark ein verteiltes Open-Source-Verarbeitungssystem, das häufig für Big-Data-Workloads verwendet wird. Spark weist jedoch einige bemerkenswerte Unterschiede zu Hadoop MapReduce auf. Spark verfügt über eine optimierte Engine zur Ausführung gerichteter azyklischer Graphen (DAG) und speichert Daten aktiv im Speicher, wodurch die Leistung gesteigert werden kann, insbesondere bei bestimmten Algorithmen und interaktiven Abfragen.

Spark unterstützt standardmäßig Anwendungen, die in Scala, Java und Python geschrieben sind. Es enthält auch mehrere eng integrierte Bibliotheken für SQL (Spark SQL), maschinelles Lernen (MLlib), Stream-Verarbeitung (Spark-Streaming) und Graphverarbeitung (GraphX). Diese Tools vereinfachen die Nutzung des Spark-Frameworks für eine Vielzahl von Anwendungsfällen.

Sie können Spark zusammen mit anderen Hadoop-Anwendungen auf einem EMR Amazon-Cluster installieren und es kann auch das EMR Amazon-Dateisystem (EMRFS) nutzen, um direkt auf Daten in Amazon S3 zuzugreifen. Hive ist auch in Spark integriert, sodass Sie ein HiveContext Objekt verwenden können, um Hive-Skripte mit Spark auszuführen. Ein Hive-Kontext ist als sqlContext Bestandteil der Spark-Shell.

Ein Beispiel-Tutorial zur Einrichtung eines EMR Clusters mit Spark und zur Analyse eines Beispieldatensatzes finden Sie unter Tutorial: Erste Schritte mit EMR Amazon im AWS News-Blog.

Wichtig

Apache Spark Version 2.3.1, verfügbar ab EMR Amazon-Version 5.16.0, adressiert CVE-2018-8024 und -2018-1334. CVE Wir empfehlen, dass Sie frühere Versionen von Spark zu Spark-Version 2.3.1 oder höher migrieren.

In der folgenden Tabelle sind die Version von Spark aufgeführt, die in der neuesten Version der Amazon EMR 7.x-Serie enthalten ist, zusammen mit den Komponenten, die Amazon mit Spark EMR installiert.

Informationen zur Version der Komponenten, die in dieser Version mit Spark installiert wurden, finden Sie unter Komponentenversionen von Version 7.2.0.

Spark-Versionsinformationen für emr-7.2.0
EMRAmazon-Freigabeetikett Spark-Version Mit Spark installierte Komponenten

emr-7.2.0

Spark 3.5.1

delta, emrfs, emr-goodies, emr-ddb, emr-s3-select, hadoop-client, hadoop-hdfs-datanode, hadoop-hdfs-library, hadoop-hdfs-namenode, hadoop-httpfs-server, hadoop-kms-server, hadoop-yarn-nodemanager, hadoop-yarn-resourcemanager, hadoop-yarn-timeline-server, hudi, hudi-spark, iceberg, livy-server, nginx, r, spark-client, spark-history-server, spark-on-yarn, spark-yarn-slave

In der folgenden Tabelle sind die Version von Spark aufgeführt, die in der neuesten Version der Amazon EMR 6.x-Serie enthalten ist, zusammen mit den Komponenten, die Amazon zusammen mit Spark EMR installiert.

Die Version der Komponenten, die mit Spark in dieser Version installiert wurden, finden Sie unter Komponentenversionen der Version 6.15.0.

Spark-Versionsinformationen für emr-6.15.0
EMRAmazon-Freigabeetikett Spark-Version Mit Spark installierte Komponenten

emr-6.15.0

Spark 3.4.1

aws-sagemaker-spark-sdk, delta, emrfs, emr-goodies, emr-ddb, emr-s3-select, hadoop-client, hadoop-hdfs-datanode, hadoop-hdfs-library, hadoop-hdfs-namenode, hadoop-httpfs-server, hadoop-kms-server, hadoop-yarn-nodemanager, hadoop-yarn-resourcemanager, hadoop-yarn-timeline-server, hudi, hudi-spark, iceberg, livy-server, nginx, r, spark-client, spark-history-server, spark-on-yarn, spark-yarn-slave
Anmerkung

EMRAmazon-Version 6.8.0 wird mit Apache Spark 3.3.0 geliefert. Diese Spark-Version verwendet Apache Log4j 2 und die log4j2.properties-Datei zur Konfiguration von Log4j in Spark-Prozessen. Wenn Sie Spark im Cluster verwenden oder EMR Cluster mit benutzerdefinierten Konfigurationsparametern erstellen und ein Upgrade auf EMR Amazon-Version 6.8.0 durchführen möchten, müssen Sie auf die neue spark-log4j2 Konfigurationsklassifizierung und das neue Schlüsselformat für Apache Log4j 2 migrieren. Weitere Informationen finden Sie unter Migration von Apache Log4j 1.x zu Log4j 2.x.

In der folgenden Tabelle sind die Version von Spark aufgeführt, die in der neuesten Version der Amazon EMR 5.x-Serie enthalten ist, zusammen mit den Komponenten, die Amazon mit Spark EMR installiert.

Informationen zur Version der Komponenten, die in dieser Version mit Spark installiert wurden, finden Sie unter Komponentenversionen von Version 5.36.2.

Spark-Versionsinformationen für emr-5.36.2
EMRAmazon-Freigabeetikett Spark-Version Mit Spark installierte Komponenten

emr-5.36.2

Spark 2.4.8

aws-sagemaker-spark-sdk, emrfs, emr-goodies, emr-ddb, emr-s3-select, hadoop-client, hadoop-hdfs-datanode, hadoop-hdfs-library, hadoop-hdfs-namenode, hadoop-httpfs-server, hadoop-kms-server, hadoop-yarn-nodemanager, hadoop-yarn-resourcemanager, hadoop-yarn-timeline-server, hudi, hudi-spark, livy-server, nginx, r, spark-client, spark-history-server, spark-on-yarn, spark-yarn-slave
Themen