Amazon EMR versión 5.31.1 - Amazon EMR
Versiones de las aplicaciones de la versión 5.31.1Notas de la versión 5.31.1Versiones de los componentes de la versión 5.31.1Clasificaciones de configuración de la versión 5.31.1

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Amazon EMR versión 5.31.1

Versiones de las aplicaciones de la versión 5.31.1

Esta versión admite las siguientes aplicaciones: Flink, Ganglia, HBase, HCatalog, Hadoop, Hive, Hudi, Hue, JupyterHub, Livy, MXNet, Mahout, Oozie, Phoenix, Pig, Presto, Spark, Sqoop, TensorFlow, Tez, Zeppelin, y ZooKeeper.

En la siguiente tabla se enumeran las versiones de las aplicaciones disponibles en esta versión de Amazon EMR y las versiones de las aplicaciones 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:

Información sobre la versión de la aplicación
emr-5.31.1 emr-5.31.0 emr-5.30.2 emr-5.30.1
AWS SDKpara Java 1.11.8521.11,8521.11.7591.11.759
Python 2.7, 3.72.7, 3.72.7, 3.72.7, 3.7
Scala 2.11.122.11.122.11.122.11.12
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink1.11.01.11.01.10.01.10.0
Ganglia3.7.23.7.23.7.23.7.2
HBase1.4.131.4.131.4.131.4.13
HCatalog2.3.72.3.72.3.62.3.6
Hadoop2.10.02.10.02.8.52.8.5
Hive2.3.72.3.72.3.62.3.6
Hudi0.6.0-amzn-00.6.0-amzn-00.5.2-incubating0.5.2-incubating
Hue4.7.14.7.14.6.04.6.0
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub1.1.01.1.01.1.01.1.0
Livy0.7.00.7.00.7.00.7.0
MXNet1.6.01.6.01.5.11.5.1
Mahout0.13.00.13.00.13.00.13.0
Oozie5.2.05.2.05.2.05.2.0
Phoenix4.14.34.14.34.14.34.14.3
Pig0.17.00.17.00.17.00.17.0
Presto0,238,30,238,30.2320.232
Spark2.4.62.4.62.4.52.4.5
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow2.1.02.1.01.14.01.14.0
Tez0.9.20.9.20.9.20.9.2
Trino (Presto) SQL - - - -
Zeppelin0.8.20.8.20.8.20.8.2
ZooKeeper3.4.143.4.143.4.143.4.14

Notas de la versión 5.31.1

Esta es una versión para solucionar problemas con Amazon EMR Scaling cuando no logra escalar correctamente un clúster hacia arriba o hacia abajo o provoca errores en las aplicaciones.

Cambios, mejoras y problemas resueltos

  • Se solucionó un problema por el que las solicitudes de escalado de un clúster grande y muy utilizado fallaban cuando los daemons del EMR clúster de Amazon ejecutaban actividades de comprobación de estado, como recopilar el estado y HDFS el estado del YARN nodo. Esto se debía a que los daemons del clúster no podían comunicar los datos del estado de salud de un nodo a los componentes internos de Amazon. EMR

  • Se han mejorado EMR los daemons del clúster para rastrear correctamente los estados de los nodos cuando se reutilizan las direcciones IP, a fin de mejorar la confiabilidad durante las operaciones de escalado.

  • SPARK-29683. Se ha corregido un error que provocaba que se produjeran errores en los trabajos durante la reducción vertical del clúster, ya que Spark daba por sentado que todos los nodos disponibles estaban en la lista de denegados.

  • YARN-9011. Se ha corregido un error que provocaba que se produjeran errores en los trabajos debido a una condición de carrera durante el YARN desmantelamiento, cuando el clúster intentaba ampliarse o reducirse.

  • Se solucionó el problema que provocaba errores en los pasos o tareas durante el escalado del clúster al garantizar que los estados de los nodos fueran siempre coherentes entre los daemons del EMR clúster de Amazon y/. YARN HDFS

  • Se ha corregido un problema que provocaba que las operaciones de clúster, como la reducción de escala y el envío por pasos, fallaran en EMR los clústeres de Amazon habilitados con la autenticación Kerberos. Esto se debió a que el daemon EMR integrado en el clúster de Amazon no renovó el ticket de Kerberos, que es necesario para comunicarse de forma segura conHDFS/que se YARN ejecuta en el nodo principal.

  • Las EMR versiones más recientes de Amazon solucionan el problema con un límite de «máximo de archivos abiertos» inferior al anterior AL2 en AmazonEMR. Las EMR versiones 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 y posteriores ahora incluyen una corrección permanente con una configuración más alta de «Máximo de archivos abiertos».

  • HTTPSahora está habilitada de forma predeterminada para los repositorios de Amazon Linux. Si utiliza una VPCE política de Amazon S3 para restringir el acceso a buckets específicos, debe añadir el nuevo bucket de Amazon Linux ARN arn:aws:s3:::amazonlinux-2-repos-$region/* a su política ($regionsustitúyalo por la región en la que se encuentra el punto de conexión). Para obtener más información, consulte este tema en los foros de AWS debate. Anuncio: Amazon Linux 2 ahora admite la posibilidad de usarlo HTTPS mientras se conecta a repositorios de paquetes.

Problemas conocidos

  • Si utiliza Spark con el formato de ubicación de particiones de Hive para leer datos en Amazon S3 y ejecuta Spark en las EMR versiones 5.30.0 a 5.36.0 y 6.2.0 a 6.9.0 de Amazon, es posible que se produzca un problema que impida que el clúster lea los datos correctamente. Esto puede ocurrir si las particiones tienen todas las características siguientes:

    • Se analizan dos o más particiones de la misma tabla.

    • Al menos una ruta de directorio de particiones es un prefijo de al menos otra ruta de directorio de particiones; por ejemplo, s3://bucket/table/p=a es un prefijo de s3://bucket/table/p=a b.

    • El primer carácter que sigue al prefijo en el otro directorio de particiones tiene un valor UTF -8 inferior al carácter (U+002F). / Por ejemplo, el carácter de espacio (U+0020) que aparece entre a y b en s3://bucket/table/p=a b entra en esta categoría. Tenga en cuenta que hay otros 14 caracteres que no son de control: !"#$%&‘()*+,-. Para obtener más información, consulte la tabla de codificación UTF -8 y los caracteres Unicode.

    Como solución alternativa a este problema, defina la configuración spark.sql.sources.fastS3PartitionDiscovery.enabled como false en la clasificación spark-defaults.

Versiones de los componentes de la versión 5.31.1

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
aws-sagemaker-spark-sdk1.4.0Amazon SageMaker Spark SDK
emr-ddb4.15.0Conector de Amazon DynamoDB para aplicaciones del ecosistema de Hadoop.
emr-goodies2.13.0Bibliotecas especialmente prácticas para el ecosistema de Hadoop.
emr-kinesis3.5.0Conector de Amazon Kinesis para aplicaciones del ecosistema de Hadoop.
emr-s3-dist-cp2.15.0Aplicación de copia distribuida optimizada para Amazon S3.
emr-s3-select1.6.0EMRConector S3Select
emrfs2.43.0Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop.
flink-client1.11.0Scripts y aplicaciones de cliente de línea de comando de Apache Flink.
flink-jobmanager-config1.11.0Administrar los recursos en EMR los nodos de Apache Flink. JobManager
ganglia-monitor3.7.2Agente de Ganglia incrustado para aplicaciones del ecosistema de Hadoop junto con el agente de monitorización de Ganglia.
ganglia-metadata-collector3.7.2Recopilador de metadatos de Ganglia para agregación de métricas a partir de los agentes de monitorización de Ganglia.
ganglia-web3.7.1Aplicación web para visualizar las métricas recopiladas por el recopilador de metadatos de Ganglia.
hadoop-client2.10.0-amzn-0.1Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode2.10.0-amzn-0.1HDFSservicio a nivel de nodo para almacenar bloques.
hadoop-hdfs-library2.10.0-amzn-0.1HDFSbiblioteca y cliente de línea de comandos
hadoop-hdfs-namenode2.10.0-amzn-0.1HDFSservicio para rastrear nombres de archivos y ubicaciones de bloques.
hadoop-hdfs-journalnode2.10.0-amzn-0.1HDFSservicio para administrar el diario del sistema de archivos Hadoop en clústeres de alta disponibilidad.
hadoop-httpfs-server2.10.0-amzn-0.1HTTPpunto final para operaciones. HDFS
hadoop-kms-server2.10.0-amzn-0.1Servidor de administración de claves criptográficas basado en el de Hadoop. KeyProvider API
hadoop-mapred2.10.0-amzn-0.1MapReduce bibliotecas de motores de ejecución para ejecutar una aplicación. MapReduce
hadoop-yarn-nodemanager2.10.0-amzn-0.1YARNservicio para gestionar contenedores en un nodo individual.
hadoop-yarn-resourcemanager2.10.0-amzn-0.1YARNservicio para asignar y administrar los recursos del clúster y las aplicaciones distribuidas.
hadoop-yarn-timeline-server2.10.0-amzn-0.1Servicio de recuperación de información actual e histórica para YARN aplicaciones.
hbase-hmaster1.4.13Servicio para un HBase clúster responsable de la coordinación de las regiones y la ejecución de los comandos administrativos.
hbase-region-server1.4.13Servicio para prestar servicio a una o más HBase regiones.
hbase-client1.4.13HBasecliente de línea de comandos.
hbase-rest-server1.4.13Servicio que proporciona un RESTful HTTP punto final para. HBase
hbase-thrift-server1.4.13Servicio que proporciona un punto final de Thrift aHBase.
hcatalog-client2.3.7-amzn-1El cliente de línea de comando "hcat" para manipular hcatalog-server.
hcatalog-server2.3.7-amzn-1Prestación de serviciosHCatalog, una capa de administración de tablas y almacenamiento para aplicaciones distribuidas.
hcatalog-webhcat-server2.3.7-amzn-1HTTPpunto final que proporciona una REST interfaz paraHCatalog.
hive-client2.3.7-amzn-1Cliente de línea de comando de Hive.
hive-hbase2.3.7-amzn-1Hive-hbase client.
hive-metastore-server2.3.7-amzn-1Servicio para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL las operaciones de Hadoop.
hive-server22.3.7-amzn-1Servicio para aceptar consultas de Hive como solicitudes web.
hudi0.6.0-amzn-0Marco de procesamiento incremental para impulsar la canalización de datos a baja latencia y alta eficiencia.
hudi-spark0.6.0-amzn-0Biblioteca de paquetes para ejecutar Spark con Hudi.
hudi-presto0.6.0-amzn-0Biblioteca de paquetes para ejecutar Presto con Hudi.
hue-server4.7.1Aplicación web para analizar datos con aplicaciones del ecosistema de Hadoop
jupyterhub1.1.0Servidor multiusuario para blocs de notas Jupyter
livy-server0.7.0-incubatingRESTinterfaz para interactuar con Apache Spark
nginx1.12.1nginx [engine x] es HTTP un servidor proxy inverso
mahout-client0.13.0Biblioteca para machine learning.
mxnet1.6.0Una biblioteca flexible, escalable y eficiente para el aprendizaje profundo.
mariadb-server5.5.64+Mi servidor de SQL base de datos.
nvidia-cuda9.2.88Controladores Nvidia y conjunto de herramientas Cuda
oozie-client5.2.0Cliente de línea de comando de Oozie.
oozie-server5.2.0Servicio para aceptar solicitudes de flujo de trabajo de Oozie.
opencv4.3.0Biblioteca de visión artificial de código abierto.
phoenix-library4.14.3- -1.4 HBaseLas bibliotecas de Phoenix para servidor y cliente
phoenix-query-server4.14.3- -1.4 HBaseUn servidor liviano que proporciona JDBC acceso, así como búferes de protocolo y acceso a JSON formatos al Avatica API
presto-coordinator0.238.3-amzn-0Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers.
presto-worker0.238.3-amzn-0Service para ejecutar partes de una consulta.
presto-client0.238.3-amzn-0Cliente de línea de comandos Presto que se instala en los nodos principales en espera de un clúster de HA donde el servidor Presto no se ha iniciado.
pig-client0.17.0Cliente de línea de comando de Pig.
r3.4.3Proyecto R para análisis estadístico
ranger-kms-server1.2.0Sistema de administración de claves Apache Ranger
spark-client2.4.6-amzn-0.1Clientes de línea de comando de Spark.
spark-history-server2.4.6-amzn-0.1IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada.
spark-on-yarn2.4.6-amzn-0.1Motor de ejecución en memoria para. YARN
spark-yarn-slave2.4.6-amzn-0.1Bibliotecas Apache Spark que necesitan los YARN esclavos.
sqoop-client1.4.7Cliente de línea de comando de Apache Sqoop.
tensorflow2.1.0TensorFlow biblioteca de software de código abierto para computación numérica de alto rendimiento.
tez-on-yarn0.9.2La YARN aplicación y las bibliotecas de Tez.
webserver2.4.25+HTTPServidor Apache.
zeppelin-server0.8.2Bloc de notas basado en web que permite el análisis de datos interactivo.
zookeeper-server3.4.14Servicio centralizado para mantener información de configuración, nomenclatura, proporcionar sincronización distribuida y proporcionar servicios de grupo.
zookeeper-client3.4.14ZooKeeper cliente de línea de comandos.

Clasificaciones de configuración de la versión 5.31.1

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

Clasificaciones de emr-5.31.1
Clasificaciones Descripción

capacity-scheduler

Cambiar los valores en el archivo capacity-scheduler.xml de Hadoop.

container-log4j

Cambie los valores en el archivo container-log4j.properties YARN de Hadoop.

core-site

Cambiar los valores en el archivo core-site.xml de Hadoop.

emrfs-site

EMRFSCambia la configuración.

flink-conf

Cambiar la configuración de flink-conf.yaml.

flink-log4j

Cambiar la configuración de log4j.properties de Flink.

flink-log4j-yarn-session

Cambie la configuración de Flink log4 j-yarn-session .properties.

flink-log4j-cli

Cambiar la configuración de log4j-cli.properties de Flink.

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.

hadoop-ssl-server

Cambiar la configuración del servidor ssl de Hadoop

hadoop-ssl-client

Cambiar la configuración del cliente ssl de Hadoop

hbase

EMRConfiguraciones seleccionadas por Amazon para ApacheHBase.

hbase-env

Cambie los valores en HBase su entorno.

hbase-log4j

Cambie los valores en el archivo HBase hbase-log4j.properties.

hbase-metrics

Cambie los valores en el archivo hadoop-metrics2-hbase.properties. HBase

hbase-policy

Cambie los valores en HBase el archivo hbase-policy.xml.

hbase-site

Cambie los valores en HBase el archivo hbase-site.xml.

hdfs-encryption-zones

Configure las zonas de HDFS cifrado.

hdfs-site

Cambie los valores en HDFS el archivo hdfs-site.xml.

hcatalog-env

Cambie los valores en HCatalog el entorno.

hcatalog-server-jndi

Cambie los valores en HCatalog jndi.properties.

hcatalog-server-proto-hive-site

Cambie los valores en .xmlHCatalog. proto-hive-site

hcatalog-webhcat-env

Cambie los valores en el entorno ebHCat de HCatalog W.

hcatalog-webhcat-log4j2

Cambie los valores en el ebHCat log4j2.properties de HCatalog W.

hcatalog-webhcat-site

Cambie los valores en el archivo webhcat-site.xml HCatalog de W. ebHCat

hive-beeline-log4j2

Cambiar los valores en el archivo beeline-log4j2.properties de Hive.

hive-parquet-logging

Cambiar los valores en el archivo parquet-logging.properties de Hive.

hive-env

Cambiar los valores en el entorno de Hive.

hive-exec-log4j2

Cambie los valores en el archivo hive-exec-log 4j2.properties de Hive.

hive-llap-daemon-log4j2

Cambie los valores en el archivo 4j2.properties de Hive. llap-daemon-log

hive-log4j2

Cambiar los valores en el archivo hive-log4j2.properties de Hive.

hive-site

Cambiar los valores en el archivo hive-site.xml de Hive.

hiveserver2-site

Cambiar los valores en el archivo hiveserver2-site.xml de Hive Server2.

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.

hudi-env

Cambiar los valores en el entorno de Hudi.

jupyter-notebook-conf

Cambiar los valores en el archivo jupyter_notebook_config.py de Jupyter Notebook.

jupyter-hub-conf

Cambie los valores en el JupyterHubs archivo jupyterhub_config.py.

jupyter-s3-conf

Configurar la persistencia en S3 del bloc de notas de Jupyter.

jupyter-sparkmagic-conf

Cambiar los valores en el archivo config.json de Sparkmagic.

livy-conf

Cambiar los valores en el archivo livy.conf de Livy.

livy-env

Cambiar los valores en el entorno de Livy.

livy-log4j

Cambiar la configuración de log4j.properties de Livy.

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.

phoenix-hbase-metrics

Cambiar los valores en el archivo hadoop-metrics2-hbase.properties de Phoenix.

phoenix-hbase-site

Cambiar los valores en el archivo hbase-site.xml de Phoenix.

phoenix-log4j

Cambiar los valores en el archivo log4j.properties de Phoenix.

phoenix-metrics

Cambiar los valores en el archivo hadoop-metrics2-phoenix.properties de Phoenix.

pig-env

Cambiar los valores en el entorno de Pig.

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-password-authenticator

Cambiar los valores en el archivo password-authenticator.properties de Presto.

presto-env

Cambiar valores en el archivo presto-env.sh de Presto.

presto-node

Cambiar valores en el archivo node.properties de Presto.

presto-connector-blackhole

Cambiar los valores en el archivo blackhole.properties de Presto.

presto-connector-cassandra

Cambiar los valores en el archivo cassandra.properties de Presto.

presto-connector-hive

Cambiar los valores en el archivo hive.properties de Presto.

presto-connector-jmx

Cambiar los valores en el archivo jmx.properties de Presto.

presto-connector-kafka

Cambiar los valores en el archivo kafka.properties de Presto.

presto-connector-localfile

Cambiar los valores en el archivo localfile.properties de Presto.

presto-connector-memory

Cambiar los valores del archivo memory.properties de Presto.

presto-connector-mongodb

Cambiar los valores en el archivo mongodb.properties de Presto.

presto-connector-mysql

Cambiar los valores en el archivo mysql.properties de Presto.

presto-connector-postgresql

Cambiar los valores en el archivo postgresql.properties de Presto.

presto-connector-raptor

Cambiar los valores en el archivo raptor.properties de Presto.

presto-connector-redis

Cambiar los valores en el archivo redis.properties de Presto.

presto-connector-redshift

Cambiar los valores en el archivo redshift.properties de Presto.

presto-connector-tpch

Cambiar los valores en el archivo tpch.properties de Presto.

presto-connector-tpcds

Cambiar los valores del archivo tpcds.properties de Presto.

ranger-kms-dbks-site

Cambie los valores en el archivo dbks-site.xml de Ranger. KMS

ranger-kms-site

Cambie los valores en el ranger-kms-site archivo.xml de Ranger. KMS

ranger-kms-env

Cambie los valores en el entorno de RangerKMS.

ranger-kms-log4j

Cambie los valores en el archivo kms-log4j.properties de Ranger. KMS

ranger-kms-db-ca

Cambie los valores del archivo CA en S3 para Mi conexión con Ranger. SQL SSL KMS

recordserver-env

Cambie los valores del EMR RecordServer entorno.

recordserver-conf

Cambie los valores en el EMR RecordServer archivo erver.properties.

recordserver-log4j

Cambie los valores en el archivo EMR RecordServer log4j.properties.

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-hive-site

Cambiar los valores en el archivo hive-site.xml 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.

sqoop-env

Cambiar los valores en el entorno de Sqoop.

sqoop-oraoop-site

Cambia los valores en el archivo oraoop-site.xml de Sqoop OraOop.

sqoop-site

Cambiar los valores en el archivo sqoop-site.xml de Sqoop.

tez-site

Cambiar los valores en el archivo tez-site.xml de Tez.

yarn-env

Cambie 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.

zookeeper-config

Cambie los valores en ZooKeeper el archivo zoo.cfg.

zookeeper-log4j

Cambie los valores en el ZooKeeper archivo log4j.properties.