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.

# AWS Glue Versionen
<a name="release-notes"></a>

Sie können den AWS Glue Versionsparameter konfigurieren, wenn Sie einen Job hinzufügen oder aktualisieren. Die AWS Glue Version bestimmt, welche Versionen von Apache Spark und Python AWS Glue unterstützt werden. Die Python-Version gibt die Version an, die für Aufträge des Typs Spark unterstützt wird. In der folgenden Tabelle sind die verfügbaren AWS Glue -Versionen, die entsprechenden Spark- und Python-Versionen sowie andere Änderungen der Funktionalität aufgeführt.

Sie können die [ Generativen KI-Upgrades für Apache Spark verwenden](upgrade-analysis.md), um Ihre Glue-ETL-Jobs von älteren Glue-Versionen (≥ 2.0) auf die neueste Glue-Version zu aktualisieren.

## AWS Glue Versionen
<a name="release-notes-versions"></a>

<a name="table-glue-versions"></a>

- **AWS Glue 6,0**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 4.1.1 <br />+  Python 3.13 <br />+  Scala 2.13.17  
  - **Unterstützte Java-Version:** Java 17
  - **Änderungen der Funktionalität:** Zusätzlich zum Spark-Engine-Upgrade sind in diese AWS Glue Version Optimierungen und Upgrades integriert, wie zum Beispiel:+  Open Table Formats (OTF) wurde auf Hudi 1.1.1, Iceberg 1.11.0 und Delta Lake 4.2.0 aktualisiert <br />+  Version 3 im Iceberg-Format mit VARIANT-Datentyp, Löschvektoren, Nachverfolgung der Zeilenabstammung, Nanosekunden-Zeitstempeln und Geotypen <br />+  Spark Declarative Pipelines (SDP) für deklaratives ETL-Authoring in SQL und Python <br />+  Real-time Modus für zustandsloses Streaming mit Latenz im Millisekundenbereich <br />+  Spark Connect für interaktive Sitzungen <br />+  Arrow-native Python-UDFs und UDTFs <br />+  Customer-managed Virtuelle Python-Umgebung () `--python-virtual-env` <br />+  AWS SDK nur für Java v2 (Version 1 entfernt) <br />+  EMRFS wurde entfernt; S3A ist der einzige S3-Anschluss 

- **AWS Glue 5.1**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 3.5.6 <br />+  Python 3.11 <br />+  Scala 2.12.18  
  - **Unterstützte Java-Version:** Java 17
  - **Änderungen der Funktionalität:** AWS Glue 5.1 ist die Standardversion für Jobs, die ohne Angabe einer AWS Glue Version erstellt wurden.<br />Zusätzlich zum Spark-Engine-Upgrade sind in diese AWS Glue Version Optimierungen und Upgrades integriert, wie zum Beispiel:+  Open Table Formats (OTF) wurde auf Hudi 1.0.2, Iceberg 1.10.0 und Delta Lake 3.3.2 aktualisiert <br />+  Version 3.0 im Iceberg-Format <br />+  Hudi Full Table Access (FTA) mit Lese- und Schreibvorgängen <br />+  Spark-native DDL/DML Operationen mit feinkörniger Zugriffskontrolle (FGAC) für Hive-, Iceberg- und Delta Lake-Tabellen, die in Lake Formation registriert sind <br />+  Prüfen Sie den Kontext für Glue- und Lake Formation-API-Aufrufe im Protokoll CloudTrail  <br />+  Unterstützung für Iceberg Materialized Views 

- **AWS Glue 5.0**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 3.5.4 <br />+  Python 3.11 <br />+  Scala 2.12.18  
  - **Unterstützte Java-Version:** Java 17
  - **Änderungen der Funktionalität:** Zusätzlich zu den Framework-Aktualisierungen gibt es Optimierungen und Upgrades in diesem AWS Glue -Release, zum Beispiel:+  Unterstützung für Amazon SageMaker Unified Studio <br />+  Amazon SageMaker Lakehouse-Unterstützung <br />+  Open Table Formats (OTF) wurden auf Hudi 0.15.0, Iceberg 1.7.1 und Delta Lake 3.3.0 aktualisiert. <br />+  Spark-native feinkörnige Zugangskontrolle mithilfe von Lake Formation. <br />+  Unterstützung für Amazon S3 Access Grants <br />+  `requirements.txt`-Unterstützung für die Installation zusätzlicher Python-Bibliotheken <br />+  Unterstützung für Data Lineage in Amazon DataZone <br />+  Unterstützung von Buckets von Amazon S3 Tables <br />+  AWS Glue Unterstützung für Datenkatalogansichten mit mehreren Dialekten  Einschränkungen Die folgenden Einschränkungen gelten für 5.0: AWS Glue  +  Die auf Glue Dynamic Frame/`GlueContext`basierende Zugriffskontrolle auf Tabellenebene mit AWS Lake Formation Berechtigungen, die in Glue 4.0 oder früher unterstützt wurden, wird in Glue 5.0 nicht unterstützt. Verwenden Sie die neue [native differenzierte Zugriffskontrolle (FGAC) von Spark](https://docs.aws.amazon.com/glue/latest/dg/security-lf-enable.html) in Glue 5.0. <br />Weitere Informationen zur Migration auf AWS Glue Version 5.0 finden Sie unter. [Migrating AWS Glue für Spark-Jobs zu AWS Glue Version 5.0](migrating-version-50.md)

- **AWS Glue 4.0**
  - **Unterstützte Versionen der Laufzeitumgebung:**  Versionen der Spark-Umgebung +  Spark 3.3.0 <br />+  Python 3.10   / **Unterstützte Java-Version:** Java 8 / **Änderungen der Funktionalität:** AWS Glue 4.0 enthält eine Reihe von Optimierungen und Upgrades, die in diese AWS Glue Version integriert sind, wie zum Beispiel:+  Viele Upgrades der Spark-Funktionalität von Spark 3.1 auf Spark 3.3:   Verschiedene Funktionsverbesserungen bei Kopplung mit Pandas. Weitere Informationen finden Sie unter [Neuerungen für Python 3.3](https://spark.apache.org/releases/spark-release-3-3-0.html).   Zusätzliche Optimierungen, die auf Amazon EMR entwickelt wurden.   Führen Sie ein Upgrade auf EMR File System (EMRFS, EMR-Dateisystem) 2.53 durch.   <br />+  Log4j2-Migration von Log4j1.x <br />+  Verschiedene Python-Modul-Aktualisierungen von AWS Glue 3.0, wie z. B. eine aktualisierte Version von Boto. <br />+  Upgrade mehrerer Konnektoren, einschließlich des standardmäßigen Amazon-Redshift-Konnektors. Siehe [Anhang C: Konnektor-Upgrades](migrating-version-40.md#migrating-version-40-appendix-connector). <br />+  Upgrade mehrerer JDBC-Treiber. Siehe [Anhang B: Aktualisierungen von JDBC-Treibern](migrating-version-40.md#migrating-version-40-appendix-jdbc-driver). <br />+  Aktualisiert mit einem neuen Amazon-Redshift-Konnektor und JDBC-Treiber. <br />+  Native Unterstützung für Open-Data-Lake-Frameworks mit Apache Hudi, Delta Lake und Apache Iceberg. <br />+  Native Unterstützung für das Amazon S3-based Cloud Shuffle Storage Plugin (ein Apache Spark-Plugin), um Amazon S3 für Shuffling und elastische Speicherkapazität zu verwenden.  Einschränkungen Dies sind die Einschränkungen für AWS Glue 4.0: +  AWS Glue Transformationen für maschinelles Lernen und personenbezogene Daten (PII) sind in 4.0 noch nicht verfügbar. AWS Glue  <br />Weitere Informationen zur Migration auf AWS Glue Version 4.0 finden Sie unter [Migration AWS Glue für Spark-Jobs auf AWS Glue Version 4.0](migrating-version-40.md).
  - **Unterstützte Versionen der Laufzeitumgebung:** Versionen für Ray-Umgebungen +  Ray 2.4.0 <br />Python 3.9  / **Unterstützte Java-Version:** N/A / **Änderungen der Funktionalität:** Erstellen und führen Sie verteilte Python-Anwendungen mit AWS Glue for Ray aus.+  Unterstützt Ray-2.4.0 Datenverteilung (`ray[data]`) mit Python 3.9. Weitere Informationen zu dieser Ray-Version finden Sie [ Ray-2.4.0 ](https://github.com/ray-project/ray/releases/tag/ray-2.4.0) im GitHub Ray-Repository. <br />+  Unterstützt die Installation zusätzlicher Python-Bibliotheken in der `Ray2.4`-Laufzeitumgebung. Weitere Informationen finden Sie unter [Zusätzliche Python-Module für Ray-Aufträge](edit-script-ray-env-dependencies.md#edit-script-ray-python-libraries-additional). <br />+  Integriert Protokolle und Metriken von Ray-Jobs mit Amazon CloudWatch. Weitere Informationen erhalten Sie unter [Fehlerbehebung AWS Glue bei Ray-Fehlern aus Protokollen](troubleshooting-ray.md) und [Überwachung von Ray-Aufträgen mit Metriken](author-job-ray-monitor.md). <br />+  Aggregiert und visualisiert die Metriken für Ray-Jobs auf jeder Seite AWS Glue Studio, auf der der Job ausgeführt wird. <br />+  Unterstützt die Verteilung von Dateien an jedes Arbeitsverzeichnis in Ihrem Cluster, das Übertragen von Objekten aus dem Ray-Objektspeicher an Amazon S3 und die Steuerung der Mindestanzahl von Worker-Knoten, die Ihrem Ray-Auftrag zugewiesen sind. Weitere Informationen finden Sie unter [Verwendung von Auftragsparametern in Ray-Aufträgen](author-job-ray-job-parameters.md). <br />**Einschränkungen für Ray-Aufträge in AWS Glue 4.0**+  AWS Glue interaktive Sitzungen für Ray sind in dieser Version noch in der Vorschauversion enthalten. <br />+  AWS Glue für Ray ist die Integration mit Amazon VPC derzeit nicht verfügbar. Ressourcen in einem AWS VPC-Eingang sind ohne eine öffentliche Route nicht zugänglich. Weitere Informationen zur Verwendung AWS Glue mit Amazon VPC finden Sie unter. [Konfiguration von VPC-Endpunkten mit Schnittstelle (AWS PrivateLink) für AWS Glue (AWS PrivateLink)](vpc-interface-endpoints.md) <br />+  AWS Glue for Ray ist in den USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), Asien-Pazifik (Tokio) und Europa (Irland) verfügbar. 

- **AWS Glue 3,0**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 3.1.1 <br />+  Python 3.7  
  - **Unterstützte Java-Version:** Java 8
  - **Änderungen der Funktionalität:** Zusätzlich zum Upgrade der Spark-Engine auf Version 3.0 gibt es Optimierungen und Upgrades in diesem AWS Glue Release, zum Beispiel:+  Erstellt die AWS Glue ETL-Bibliothek gegen Spark 3.0, eine Hauptversion für Spark. <br />+  Streaming-Aufträge werden in AWS Glue 3.0 unterstützt <br />+  Beinhaltet neue AWS Glue Spark-Laufzeitoptimierungen für Leistung und Zuverlässigkeit:   Schnellere spaltenweise Verarbeitung im Speicher basierend auf Apache Arrow zum Lesen von CSV-Daten.   SIMD-based Ausführung für vektorisierte Lesevorgänge mit CSV-Daten.   Das Spark-Upgrade umfasst weitere Optimierungen, die auf Amazon EMR entwickelt wurden.   Ein Upgrade von EMRFS 2.38 auf 2.46 bietet neue Features und Fehlerbehebungen für den Zugriff auf Amazon S3.   <br />+  Aktualisierung verschiedener Abhängigkeiten, die für die neue Spark-Version erforderlich waren. <br />+  Aktualisierte JDBC-Treiber für unsere nativ unterstützten Datenquellen.  Einschränkungen Dies sind die Einschränkungen für AWS Glue 3.0: +  AWS Glue Transformationen für maschinelles Lernen sind in 3.0 noch nicht verfügbar. AWS Glue  <br />+  Einige benutzerdefinierte Spark-Konnektors funktionieren nicht für AWS Glue 3.0, wenn sie von Spark 2.4 abhängen und nicht mit Spark 3.1 kompatibel sind. 

- **AWS Glue 2.0 ([Ende des Lebenszyklus am 1. April ](https://docs.aws.amazon.com/glue/latest/dg/glue-version-support-policy.html) 2026)**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 2.4.3 <br />+  Python 3.7  
  - **Unterstützte Java-Version:** N/A
  - **Änderungen der Funktionalität:** Zusätzlich zu den in AWS Glue Version 1.0 bereitgestellten Funktionen bietet AWS Glue Version 2.0 auch:+  Eine aktualisierte Infrastruktur für die Ausführung von Apache Spark-ETL-Jobs AWS Glue mit reduzierten Startzeiten. <br />+  Die Standardprotokollierung erfolgt jetzt in Echtzeit, mit separaten Streams für Treiber und Ausführende sowie Ausgaben und Fehler.  <br />+  Support für die Angabe zusätzlicher Python-Module oder verschiedener Versionen auf Auftragsebene.  AWS Glue Version 2.0 unterscheidet sich von AWS Glue Version 1.0 in einigen Abhängigkeiten und Versionen aufgrund zugrundeliegender architektonischer Änderungen. Validieren Sie Ihre AWS Glue -Aufträge vor der Migration auf die AWS Glue -Hauptversionen. 

- **AWS Glue 1.0 ([Ende des Lebenszyklus am 1. April 2026) ](https://docs.aws.amazon.com/glue/latest/dg/glue-version-support-policy.html)**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 2.4.3 <br />+  Python 2.7 <br />+  Python 3.6  
  - **Unterstützte Java-Version:** N/A
  - **Änderungen der Funktionalität:** Sie können Auftragslesezeichen für Parquet- und ORC-Formate in AWS Glue -ETL-Aufträgen verwalten (unter Verwendung von AWS Glue Version 1.0). Bisher konnten Sie in ETL-Aufträgen nur gängige Amazon S3-Quellformate wie JSON, CSV, Apache Avro und XML mit einem AWS Glue Lesezeichen versehen. <br />Wenn Sie Formatoptionen für ETL-Eingaben und -Ausgaben festlegen, können Sie angeben, dass das Apache reader/writer Avro-Format 1.8 verwendet werden soll, um das Lesen und Schreiben logischer Avro-Typen zu unterstützen (unter Verwendung von AWS Glue Version 1.0). Bisher wurde nur das reader/writer Avro-Format der Version 1.7 unterstützt.<br />Der DynamoDB-Verbindungstyp unterstützt eine Writer-Option (mit AWS Glue -Version 1.0). Einschränkungen Die folgenden sind die Einschränkungen für AWS Glue 1.0: +  AWS Glue Die Versionen 0.9 und 1.0 sind ab sofort im asiatisch-pazifischen Raum (Jakarta) (`ap-southeast-3`), im Mittleren Osten (VAE) (`me-central-1`) oder in anderen neuen Regionen nicht verfügbar. 

- **AWS Glue 0.9 ([Ende der Lebensdauer am 1. April ](https://docs.aws.amazon.com/glue/latest/dg/glue-version-support-policy.html) 2026)**
  - **Unterstützte Versionen der Laufzeitumgebung:**  +  Spark 2.2.1 <br />+  Python 2.7  
  - **Unterstützte Java-Version:** N/A
  - **Änderungen der Funktionalität:**   Einschränkungen Die folgenden sind die Einschränkungen für AWS Glue 0.9:  +  AWS Glue Die Versionen 0.9 und 1.0 sind in Zukunft im asiatisch-pazifischen Raum (Jakarta) (`ap-southeast-3`), im Mittleren Osten (VAE) (`me-central-1`) oder in anderen neuen Regionen nicht verfügbar.  



**Anmerkung**  
Die folgenden Glue-Versionen unterstützen diese Versionen von PythonShell:  
PythonShell v3.6 wird in Glue Version 1.0 unterstützt.
PythonShell v3.9 wird in Glue Version 3.0 unterstützt.
Darüber hinaus werden Entwicklungsendpunkte nur in Glue Version 1.0 und 0.9 unterstützt.