Amazon EMR versión 4.3.0

Versiones de la aplicación 4.3.0

Esta versión admite las siguientes aplicaciones: Ganglia, Hadoop, Hive, Hue, Mahout, Oozie-Sandbox, Pig, Presto-Sandbox, Spark y Zeppelin-Sandbox.

La siguiente tabla muestra las versiones de la aplicación disponibles en esta versión de Amazon EMR y las versiones de la aplicación en las tres EMR versiones anteriores de Amazon (cuando proceda).

Para obtener un historial completo de las versiones de las aplicaciones de cada versión de AmazonEMR, consulta los siguientes temas:

• Versiones de aplicaciones en las versiones EMR 7.x de Amazon

• Versiones de la aplicación en las versiones 6.x de Amazon EMR

• Versiones de la aplicación en las versiones 5.x de Amazon EMR

• Versiones de la aplicación en las versiones 4.x de Amazon EMR

Información sobre la versión de la aplicación
	emr-4.3.0	emr-4.2.0	emr-4.1.0	emr-4.0.0
AWS SDK para Java	1.10.27	1.10,27	No registrado	No registrado
Python	No registrado	No registrado	No registrado	No registrado
Scala	No registrado	No registrado	No registrado	No registrado
AmazonCloudWatchAgent	-	-	-	-
Delta	-	-	-	-
Flink	-	-	-	-
Ganglia	3.7.2	3.6.0	-	-
HBase	-	-	-	-
HCatalog	-	-	-	-
Hadoop	2.7.1	2.6.0	2.6.0	2.6.0
Hive	1.0.0	1.0.0	1.0.0	1.0.0
Hudi	-	-	-	-
Hue	3.7.1	3.7.1	3.7.1	-
Iceberg	-	-	-	-
JupyterEnterpriseGateway	-	-	-	-
JupyterHub	-	-	-	-
Livy	-	-	-	-
MXNet	-	-	-	-
Mahout	0.11.0	0.11.0	0.11.0	0.10.0
Oozie	-	-	-	-
Oozie-Sandbox	4.2.0	4.2.0	4.0.1	-
Phoenix	-	-	-	-
Pig	0.14.0	0.14.0	0.14.0	0.14.0
Presto	-	-	-	-
Presto-Sandbox	0.130	0.125	0.119	-
Spark	1.6.0	1.5.2	1.5.0	1.4.1
Sqoop	-	-	-	-
Sqoop-Sandbox	-	-	-	-
TensorFlow	-	-	-	-
Tez	-	-	-	-
Trino (PrestoSQL)	-	-	-	-
Zeppelin	-	-	-	-
Zeppelin-Sandbox	0.5.5	0.5.5	0.6.0- SNAPSHOT	-
ZooKeeper	-	-	-	-
ZooKeeper-Sandbox	-	-	-	-

notas de la versión 4.3.0

Las siguientes notas de la versión incluyen información sobre la versión EMR 4.3.0 de Amazon.

Fecha de lanzamiento: 19 de enero de 2016

Características

• Actualizado a Hadoop 2.7.1

• Actualizado a Spark 1.6.0

• Actualizado Ganglia a 3.7.2

• Actualizado Presto a 0.130

• Amazon EMR ha realizado algunos cambios spark.dynamicAllocation.enabled cuando está establecido en verdadero; de forma predeterminada, es falso. Cuando se define en true, esto afecta a los valores predeterminados del ajuste maximizeResourceAllocation:

  • Si spark.dynamicAllocation.enabled se ha definido en true, spark.executor.instances no ha sido definido por maximizeResourceAllocation.

  • El ajuste spark.driver.memory se configura ahora en función de los tipos de instancia en el clúster de forma similar a cómo se define spark.executors.memory. Sin embargo, dado que la aplicación del controlador Spark puede ejecutarse en la instancia principal o en una de las instancias principales (por ejemplo, en los modos YARN cliente y clúster, respectivamente), la spark.driver.memory configuración se establece en función del tipo de instancia del tipo de instancia más pequeño entre estos dos grupos de instancias.

  • La spark.default.parallelism configuración ahora se establece en el doble del número de CPU núcleos disponibles para YARN los contenedores. En las versiones anteriores, era la mitad de dicho valor.

  • Los cálculos de la sobrecarga de memoria reservada para YARN los procesos de Spark se ajustaron para que fueran más precisos, lo que dio como resultado un pequeño aumento en la cantidad total de memoria disponible para Spark (es decir,spark.executor.memory).

Problemas conocidos resueltos de las versiones anteriores

• YARNLa agregación de registros ahora está habilitada de forma predeterminada.

• Se solucionó un problema por el que los registros no se enviaban al depósito de registros de Amazon S3 del clúster cuando la agregación de YARN registros estaba habilitada.

• YARNLos tamaños de contenedor ahora tienen un nuevo mínimo de 32 en todos los tipos de nodos.

• Se ha corregido un problema con Ganglia que provocaba E/S de disco excesiva en el nodo principal en clústeres grandes.

• Se ha corregido un problema que impedía que los registros de las aplicaciones se enviaran a Amazon S3 cuando se cierra un clúster.

• Se ha corregido un problema EMRFS CLI que provocaba que algunos comandos fallaran.

• Se ha corregido un problema con Zeppelin que impedía que las dependencias se cargaran en la base. SparkContext

• Se ha corregido un problema que se producía al intentar un ajuste de tamaño para añadir instancias.

• Se ha corregido un problema en Hive por el SELECT que CREATE TABLE AS hacía demasiadas llamadas de lista a Amazon S3.

• Se ha corregido un problema donde clústeres grandes no aprovisionarían correctamente cuando estaban instalados Hue, Oozie y Ganglia.

• Se ha corregido un problema en s3-dist-cp que devolvería un código de salida cero incluso si ha devuelto un error.

Versiones de los componentes 4.3.0

Los componentes que Amazon EMR instala con esta versión se muestran a continuación. Algunos se instalan como parte de paquetes de aplicación de Big Data. Otros son exclusivos de Amazon EMR y se instalan para los procesos y funciones del sistema. Normalmente, estos componentes comienzan con emr o aws. Los paquetes de aplicaciones de macrodatos de la versión más reciente de Amazon EMR suelen ser la última versión que se encuentra en la comunidad. Hacemos que los lanzamientos comunitarios estén disponibles en Amazon lo antes EMR posible.

Algunos componentes de Amazon EMR difieren de las versiones comunitarias. Estos componentes tienen una etiqueta de versión con el formato CommunityVersion-amzn-EmrVersion. La EmrVersion empieza por 0. Por ejemplo, si el componente comunitario de código abierto denominado myapp-component en la versión 2.2 se ha modificado tres veces para incluirlo en diferentes EMR versiones de Amazon, su versión de lanzamiento aparece como2.2-amzn-2.

Componente	Versión	Descripción
emr-ddb	3.0.0	Conector de Amazon DynamoDB para aplicaciones del ecosistema de Hadoop.
emr-goodies	2.0.0	Bibliotecas especialmente prácticas para el ecosistema de Hadoop.
emr-kinesis	3.1.0	Conector de Amazon Kinesis para aplicaciones del ecosistema de Hadoop.
emr-s3-dist-cp	2.1.0	Aplicación de copia distribuida optimizada para Amazon S3.
emrfs	2.3.0	Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop.
ganglia-monitor	3.7.2	Agente de Ganglia incrustado para aplicaciones del ecosistema de Hadoop junto con el agente de monitorización de Ganglia.
ganglia-metadata-collector	3.7.2	Recopilador de metadatos de Ganglia para agregación de métricas a partir de los agentes de monitorización de Ganglia.
ganglia-web	3.7.1	Aplicación web para visualizar las métricas recopiladas por el recopilador de metadatos de Ganglia.
hadoop-client	2.7.1-amzn-0	Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode	2.7.1-amzn-0	HDFSservicio a nivel de nodo para almacenar bloques.
hadoop-hdfs-library	2.7.1-amzn-0	HDFSbiblioteca y cliente de línea de comandos
hadoop-hdfs-namenode	2.7.1-amzn-0	HDFSservicio para rastrear nombres de archivos y ubicaciones de bloques.
hadoop-httpfs-server	2.7.1-amzn-0	HTTPpunto final para HDFS las operaciones.
hadoop-kms-server	2.7.1-amzn-0	Servidor de administración de claves criptográficas basado en el de Hadoop. KeyProvider API
hadoop-mapred	2.7.1-amzn-0	MapReduce bibliotecas de motores de ejecución para ejecutar una aplicación. MapReduce
hadoop-yarn-nodemanager	2.7.1-amzn-0	YARNservicio para gestionar contenedores en un nodo individual.
hadoop-yarn-resourcemanager	2.7.1-amzn-0	YARNservicio para asignar y administrar los recursos del clúster y las aplicaciones distribuidas.
hive-client	1.0.0-amzn-2	Cliente de línea de comando de Hive.
hive-metastore-server	1.0.0-amzn-2	Servicio para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL las operaciones de Hadoop.
hive-server	1.0.0-amzn-2	Servicio para aceptar consultas de Hive como solicitudes web.
hue-server	3.7.1-amzn-5	Aplicación web para analizar datos con aplicaciones del ecosistema de Hadoop
mahout-client	0.11.0	Biblioteca para machine learning.
mysql-server	5.5	Mi servidor de bases de datos. SQL
oozie-client	4.2.0	Cliente de línea de comando de Oozie.
oozie-server	4.2.0	Servicio para aceptar solicitudes de flujo de trabajo de Oozie.
presto-coordinator	0.130	Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers.
presto-worker	0.130	Service para ejecutar partes de una consulta.
pig-client	0.14.0-amzn-0	Cliente de línea de comando de Pig.
spark-client	1.6.0	Clientes de línea de comando de Spark.
spark-history-server	1.6.0	IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada.
spark-on-yarn	1.6.0	Motor de ejecución en memoria paraYARN.
spark-yarn-slave	1.6.0	Bibliotecas Apache Spark que necesitan los YARN esclavos.
webserver	2.4	HTTPServidor Apache.
zeppelin-server	0.5.5-incubating-amzn-1	Bloc de notas basado en web que permite el análisis de datos interactivo.

Clasificaciones de configuración 4.3.0

Las clasificaciones de configuración le permiten personalizar las aplicaciones. Suelen corresponder a un XML archivo de configuración de la aplicación, como. hive-site.xml Para obtener más información, consulte Configuración de aplicaciones.

Clasificaciones de emr-4.3.0
Clasificaciones	Descripción
capacity-scheduler	Cambiar los valores en el archivo capacity-scheduler.xml de Hadoop.
core-site	Cambiar los valores en el archivo core-site.xml de Hadoop.
emrfs-site	Cambie EMRFS la configuración.
hadoop-env	Cambiar los valores en el entorno de Hadoop para todos los componentes de Hadoop.
hadoop-log4j	Cambiar los valores en el archivo log4j.properties de Hadoop.
hdfs-encryption-zones	Configure las zonas de HDFS cifrado.
hdfs-site	Cambie los valores en HDFS el archivo hdfs-site.xml.
hive-env	Cambiar los valores en el entorno de Hive.
hive-exec-log4j	Cambie los valores en el archivo hive-exec-log 4j.properties de Hive.
hive-log4j	Cambiar los valores en el archivo hive-log4.properties de Hive.
hive-site	Cambiar los valores en el archivo hive-site.xml de Hive.
hue-ini	Cambiar los valores en el archivo ini de Hue
httpfs-env	Cambie los valores del entorno. HTTPFS
httpfs-site	Cambiar los valores en el archivo httpfs-site.xml de Hadoop.
hadoop-kms-acls	Cambiar los valores en el archivo kms-acls.xml de Hadoop.
hadoop-kms-env	Cambie los valores en el entorno de Hadoop. KMS
hadoop-kms-log4j	Cambiar los valores en el archivo kms-log4j.properties de Hadoop.
hadoop-kms-site	Cambiar los valores en el archivo kms-site.xml de Hadoop.
mapred-env	Cambie los valores en el entorno de la MapReduce aplicación.
mapred-site	Cambie los valores en el archivo mapred-site.xml de la MapReduce aplicación.
oozie-env	Cambiar los valores en el entorno de Oozie.
oozie-log4j	Cambiar los valores en el archivo oozie-log4j.properties de Oozie.
oozie-site	Cambiar los valores en el archivo oozie-site.xml de Oozie.
pig-properties	Cambiar los valores en el archivo pig.properties de Pig.
pig-log4j	Cambiar los valores en el archivo log4j.properties de Pig.
presto-log	Cambiar los valores en el archivo log.properties de Presto.
presto-config	Cambiar los valores en el archivo config.properties de Presto.
presto-connector-hive	Cambiar los valores en el archivo hive.properties de Presto.
spark	EMRConfiguraciones seleccionadas por Amazon para Apache Spark.
spark-defaults	Cambiar los valores en el archivo spark-defaults.conf de Spark.
spark-env	Cambiar los valores en el entorno de Spark.
spark-log4j	Cambiar los valores en el archivo log4j.properties de Spark.
spark-metrics	Cambiar los valores en el archivo metrics.properties de Spark.
yarn-env	Cambia los valores del YARN entorno.
yarn-site	Cambie los valores en YARN el archivo yarn-site.xml.
zeppelin-env	Cambiar los valores en el entorno de Zeppelin.