Amazon EMR, versión 6.2.0 - Amazon EMR
Versiones de las aplicaciones de la versión 6.2.0Notas de la versión 6.2.0Versiones de los componentes de la versión 6.2.0Clasificaciones de configuración de la versión 6.2.0

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 6.2.0

Versiones de las aplicaciones de la versión 6.2.0

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

En la siguiente tabla se enumeran las versiones de la aplicación disponibles en esta versión de Amazon EMR y las versiones de la aplicación en las tres versiones anteriores de Amazon EMR (cuando corresponda).

Para ver un historial completo de las versiones de la aplicación disponibles para cada versión de Amazon EMR, consulte los temas siguientes:

Información sobre la versión de la aplicación
emr-6.2.0 emr-6.1.1 emr-6.1.0 emr-6.0.1
AWS SDK for Java 1.11.8801.11,8281.11.8281.11.711
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 - - - -
Flink1.11.21.11.01.11.0 -
Ganglia3.7.23.7.23.7.23.7.2
HBase2.2.6-amzn-02.2.52.2.52.2.3
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
Hudi0.6.0-amzn-10.5.2-incubating-amzn-20.5.2-incubating-amzn-20.5.0-incubating-amzn-1
Hue4.8.04.7.14.7.14.4.0
Iceberg - - - -
JupyterEnterpriseGateway2.1.0 - - -
JupyterHub1.1.01.1.01.1.01.0.0
Livy0.7.00.7.00.7.00.6.0
MXNet1.7.01.6.01.6.01.5.1
Mahout - - - -
Oozie5.2.05.2.05.2.05.1.0
Phoenix5.0.05.0.05.0.05.0.0
Pig0.17.00.17.00.17.0 -
Presto0,238,30.2320.2320.230
Spark3.0.13.0.03.0.02.4.4
Sqoop1.4.71.4.71.4.7 -
TensorFlow2.3.12.1.02.1.01.14.0
Tez0.9.20.9.20.9.20.9.2
Trino (PrestoSQL)343338338 -
Zeppelin0.9.00.9.00.9.00.9.0
ZooKeeper3.4.143.4.143.4.143.4.14

Notas de la versión 6.2.0

Las siguientes notas de la versión incluyen información sobre la versión 6.2.0 de Amazon EMR. Los cambios son respecto a la versión 6.1.0.

Fecha de lanzamiento inicial: 9 de diciembre de 2020

Fecha de la última actualización: 4 de octubre de 2021

Aplicaciones compatibles

  • AWS SDK for Java versión 1.11.828

  • emr-record-server versión 1.7.0

  • Flink, versión 1.11.2

  • Versión de Ganglia 3.7.2

  • Hadoop, versión 3.2.1-amzn-1

  • HBase, versión 2.2.6-amzn-0

  • ase-operator-tools HB 1.0.0

  • HCatalog versión 3.1.2-amzn-0

  • Hive, versión 3.1.2-amzn-3

  • Hudi versión 0.6.0-amzn-1

  • Hue versión 4.8.0

  • JupyterHub versión 1.1.0

  • Livy versión 0.7.0

  • MXNet versión 1.7.0

  • Oozie versión 5.2.0

  • Versión de Phoenix 5.0.0

  • Pig, versión 0.17.0

  • Presto, versión 0.238.3-amzn-1

  • PrestoSQL, versión 343

  • Spark, versión 3.0.1-amzn-0

  • spark-rapids 0.2.0

  • TensorFlow versión 2.3.1

  • Zeppelin, versión 0.9.0-preview1

  • Versión de Zookeeper 3.4.14

  • Conectores y controladores: conector de DynamoDB 4.16.0

Nuevas características

  • HBase: se ha eliminado el cambio de nombre en la fase de confirmación y se ha agregado el seguimiento persistente de HFile. Consulte Seguimiento persistente de HFile en la Guía de versiones de Amazon EMR.

  • HBase: se ha agregado portabilidad con versiones anteriores para Create a config that forces to cache blocks on compaction.

  • PrestoDB: mejoras en la eliminación dinámica de particiones. El reordenamiento de uniones basado en reglas funciona con datos no particionados.

  • Políticas gestionadas con ámbito de aplicación: para ajustarse a las prácticas AWS recomendadas, Amazon EMR ha introducido la versión 2 de las políticas gestionadas predeterminadas con ámbito de EMR como sustitutivas de las políticas que quedarán en desuso. Consulte Políticas administradas por Amazon EMR.

  • Estado de compatibilidad del servicio de metadatos de instancias (IMDS) V2: en el caso de Amazon EMR 6.2 o posteriores, los componentes de Amazon EMR utilizan IMDSv2 para todas las llamadas al IMDS. Para las llamadas al IMDS en el código de la aplicación, puede utilizar IMDSv1 e IMDSv2, o configurar el IMDS para que utilice solo IMDSv2 para mayor seguridad. Si deshabilita IMDSv1 en versiones anteriores de Amazon EMR 6.x, se produce un error al iniciar el clúster.

Cambios, mejoras y problemas resueltos

  • Esta es una versión para solucionar problemas con el escalado de Amazon EMR cuando no logra escalar o reducir verticalmente de forma correcta un clúster o provoca errores en las aplicaciones.

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

  • Se han mejorado los daemons de EMR en el clúster para realizar un seguimiento correcto de los estados de los nodos cuando se reutilizan las direcciones IP a fin de mejorar la fiabilidad 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 la retirada de YARN cuando el clúster intentaba escalarse o reducirse verticalmente.

  • Se ha solucionado el problema que provocaba errores en los pasos o trabajos durante el escalado del clúster al garantizar que los estados de los nodos sean siempre coherentes entre los daemons en el clúster de Amazon EMR y YARN o HDFS.

  • Se ha solucionado un problema por el que las operaciones de clúster, como la reducción vertical y el envío escalonado, fallaban en los clústeres de Amazon EMR habilitados con la autenticación de Kerberos. Esto se debía a que el daemon en el clúster de Amazon EMR no renovó el ticket de Kerberos, que es necesario para comunicarse de forma segura con HDFS o YARN en ejecución en el nodo principal.

  • Las versiones más recientes de Amazon EMR corrigen el problema al reducir el límite de “Máximo de archivos abiertos” en las versiones anteriores de AL2 en Amazon EMR. Las 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 de Amazon EMR ahora incluyen una corrección permanente con una configuración “Máximo de archivos abiertos” más alta.

  • Spark: mejoras de rendimiento en el tiempo de ejecución de Spark.

Problemas conocidos

  • Amazon EMR 6.2 tiene permisos incorrectos configurados en el archivo libinstance-controller-java /etc/cron.d/ de EMR 6.2.0. Los permisos del archivo son 645 (-rw-r--r-x), cuando deberían ser 644 (-rw-r--r--). Por consiguiente, la versión 6.2 de Amazon EMR no registra los registros del estado de la instancia y el directorio /emr/instance-logs está vacío. Este problema se ha corregido en la versión 6.3.0 de Amazon EMR y posteriores.

    Para solucionar este problema, ejecute el siguiente script como acción de arranque al iniciar el clúster. 

    #!/bin/bash
sudo chmod 644 /etc/cron.d/libinstance-controller-java

  • En el caso de los clústeres de subredes privadas de Amazon EMR 6.2.0 y 6.3.0, no puede acceder a la interfaz de usuario web de Ganglia. Aparecerá el error “Acceso denegado (403)”. Otras interfaces de usuario web, como Spark, Hue, Zeppelin, Livy y Tez JupyterHub, funcionan con normalidad. El acceso a la interfaz de usuario web de Ganglia en los clústeres de subredes públicas también funciona con normalidad. Para resolver este problema, reinicie el servicio httpd en el nodo principal con sudo systemctl restart httpd. Este problema se ha corregido en la versión 6.4.0 de Amazon EMR.

  • Hay un problema en Amazon EMR 6.2.0 por el que httpd genera errores continuamente, lo que provoca que Ganglia no esté disponible. Aparece el error “No se puede conectar al servidor”. Para corregir un clúster que ya se está ejecutando con este problema, utilice SSH en el nodo principal del clúster y agregue la línea Listen 80 al archivo httpd.conf ubicado en /etc/httpd/conf/httpd.conf. Este problema se ha corregido en la versión 6.3.0 de Amazon EMR.

  • HTTPD presenta errores en los clústeres de EMR 6.2.0 cuando se utiliza una configuración de seguridad. Esto hace que la interfaz de usuario de la aplicación web de Ganglia no esté disponible. Para acceder a la interfaz de usuario de la aplicación web de Ganglia, agregue Listen 80 al archivo /etc/httpd/conf/httpd.conf del nodo principal del clúster. Para obtener información acerca de la conexión al clúster, consulte Conectarse al nodo principal mediante SSH.

    Cuadernos de EMR tampoco puede establecer una conexión con los clústeres de EMR 6.2.0 cuando se utiliza una configuración de seguridad. El cuaderno no podrá enumerar los kernels ni enviar trabajos a Spark. En su lugar, se recomienda que utilice Cuadernos de EMR con otra versión de Amazon EMR.

  • Reducir el límite de “Máximo de archivos abiertos” en las versiones de AL2 anteriores [corregido en versiones más recientes]. Las versiones de Amazon EMR emr-5.30.x, emr-5.31.0, emr-5.32.0, emr-6.0.0, emr-6.1.0 y emr-6.2.0 se basan en versiones anteriores de Amazon Linux 2 (AL2), que tienen una configuración de ulimit inferior para “Máximo de archivos abiertos” cuando los clústeres de Amazon EMR se crean con la AMI predeterminada. Las 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 de Amazon EMR ahora incluyen una corrección permanente con una configuración más alta de “Máximo de archivos abiertos”. Las versiones con el límite inferior de archivos abiertos provocan el error “Demasiados archivos abiertos” al enviar el trabajo de Spark. En las versiones afectadas, la AMI predeterminada de Amazon EMR tiene una configuración de ulimit predeterminada de 4096 para “Máximo de archivos abiertos”, una cantidad inferior al límite de 65 536 archivos de la AMI de Amazon Linux 2 más reciente. La configuración de ulimit inferior para “Máximo de archivos abiertos” provoca un fallo en el trabajo de Spark cuando el controlador y el ejecutor de Spark intentan abrir más de 4096 archivos. Para solucionar el problema, Amazon EMR tiene un script de acciones de arranque (BA) que ajusta la configuración de ulimit al crear el clúster.

    Si utiliza una versión anterior de Amazon EMR que no tiene una corrección permanente para este problema, la siguiente solución alternativa le permite establecer explícitamente el ulimit del controlador de instancias en un máximo de 65 536 archivos.

    Establecimiento explícito de un ulimit desde la línea de comandos

    1. Edite /etc/systemd/system/instance-controller.service para agregar los siguientes parámetros a la sección de servicio.

      LimitNOFILE=65536

      LimitNPROC=65536

    2. Reiniciar InstanceController

      $ sudo systemctl daemon-reload

      $ sudo systemctl restart instance-controller

    Establecimiento de un ulimit mediante una acción de arranque (BA)

    También puede usar un script de acciones de arranque (BA) para configurar el ulimit del controlador de instancias en 65 536 archivos al crear el clúster.

    #!/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
  • importante

    Amazon EMR 6.1.0 y 6.2.0 incluyen un problema de rendimiento que puede afectar gravemente a todas las operaciones de inserción, upsert y eliminación de Hudi. Si piensa utilizar Hudi con Amazon EMR 6.1.0 o 6.2.0, póngase en AWS contacto con el servicio de asistencia para obtener un RPM de Hudi parcheado.

  • importante

    Los clústeres de Amazon EMR que ejecutan las imágenes de máquina de Amazon (AMI) de Amazon Linux o Amazon Linux 2 utilizan el comportamiento predeterminado de Amazon Linux y no descargan ni instalan automáticamente actualizaciones importantes y críticas del kernel que requieren un reinicio. Este comportamiento es el mismo que el de otras instancias de Amazon EC2 que ejecutan la AMI predeterminada de Amazon Linux. Si aparecen nuevas actualizaciones de software de Amazon Linux que requieren un reinicio (por ejemplo, actualizaciones del kernel, NVIDIA y CUDA) tras el lanzamiento de una versión de Amazon EMR, las instancias de clúster de Amazon EMR que ejecutan la AMI predeterminada no descargan ni instalan automáticamente esas actualizaciones. Para obtener actualizaciones del kernel, puede personalizar la AMI de Amazon EMR para que utilice la AMI de Amazon Linux más reciente.

  • Los artefactos de Maven de Amazon EMR 6.2.0 no están publicados. Se publicarán en una versión futura de Amazon EMR.

  • El seguimiento persistente de HFile mediante la tabla del sistema de archivos de almacenamiento de HBase no admite la característica de replicación regional de HBase. Para más información sobre la replicación regional de HBase, consulte Timeline-consistent High Available Reads.

  • Diferencias entre las versiones de agrupación en buckets de Amazon EMR 6.x y EMR 5.x Hive

    EMR 5.x utiliza OOS Apache Hive 2, mientras que en EMR 6.x se utiliza OOS Apache Hive 3. Hive2 de código abierto usa la versión 1 de agrupación en buckets, mientras que Hive3 de código abierto usa la versión 2 de agrupación en buckets. Esta diferencia de versión de agrupación en buckets entre Hive 2 (EMR 5.x) y Hive 3 (EMR 6.x) significa que el hash de agrupación en buckets de Hive funciona de manera diferente. Vea el ejemplo siguiente.

    La siguiente tabla es un ejemplo creado en EMR 6.x y EMR 5.x, respectivamente.

    -- Using following LOCATION in EMR 6.x
CREATE TABLE test_bucketing (id INT, desc STRING)
PARTITIONED BY (day STRING)
CLUSTERED BY(id) INTO 128 BUCKETS
LOCATION 's3://your-own-s3-bucket/emr-6-bucketing/';

-- Using following LOCATION in EMR 5.x 
LOCATION 's3://your-own-s3-bucket/emr-5-bucketing/';

    Se insertan los mismos datos en EMR 6.x y EMR 5.x.

    INSERT INTO test_bucketing PARTITION (day='01') VALUES(66, 'some_data');
INSERT INTO test_bucketing PARTITION (day='01') VALUES(200, 'some_data');

    Al comprobar la ubicación de S3, se muestra que el nombre del archivo de agrupación en buckets es diferente, ya que la función de hash es diferente entre EMR 6.x (Hive 3) y EMR 5.x (Hive 2).

    [hadoop@ip-10-0-0-122 ~]$ aws s3 ls s3://your-own-s3-bucket/emr-6-bucketing/day=01/
2020-10-21 20:35:16         13 000025_0
2020-10-21 20:35:22         14 000121_0
[hadoop@ip-10-0-0-122 ~]$ aws s3 ls s3://your-own-s3-bucket/emr-5-bucketing/day=01/
2020-10-21 20:32:07         13 000066_0
2020-10-21 20:32:51         14 000072_0

    También puede ver la diferencia de versión mediante la ejecución del siguiente comando en la CLI de Hive en EMR 6.x. Tenga en cuenta que devuelve la versión 2 de la agrupación en buckets.

    hive> DESCRIBE FORMATTED test_bucketing;
...
Table Parameters:
    bucketing_version       2
...

  • Problema conocido en clústeres con varios nodos principales y autenticación de Kerberos

    Si ejecuta clústeres con varios nodos principales y autenticación de Kerberos en las versiones 5.20.0 y posteriores de Amazon EMR, es posible que tenga problemas con las operaciones del clúster, como la reducción vertical o el envío escalonado, después de que el clúster se haya estado ejecutando durante algún tiempo. El periodo de tiempo depende del periodo de validez del ticket de Kerberos que se haya definido. El problema de la reducción vertical afecta tanto a las solicitudes de reducción vertical automática como a las solicitudes de reducción vertical explícita que haya enviado. Las operaciones adicionales del clúster también pueden verse afectadas.

    Solución:

    • SSH como usuario de hadoop con el nodo principal líder del clúster de EMR con varios nodos principales.

    • Ejecute el siguiente comando para renovar el ticket de Kerberos para el usuario de hadoop. 

      kinit -kt <keytab_file> <principal>

      Normalmente, el archivo keytab se encuentra en /etc/hadoop.keytab y la entidad principal tiene la forma de hadoop/<hostname>@<REALM>.

    nota

    Esta solución alternativa estará en vigor durante el periodo de validez del ticket de Kerberos. Esta duración es de 10 horas de forma predeterminada, pero se puede configurar con los ajustes de Kerberos. Debe volver a ejecutar el comando anterior una vez que venza el ticket de Kerberos.

  • Cuando utiliza Spark con el formato de ubicación de particiones de Hive para leer datos en Amazon S3 y ejecuta Spark en las versiones 5.30.0 a 5.36.0 y 6.2.0 a 6.9.0 de Amazon EMR, 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 del 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 más información, consulte UTF-8 encoding table and Unicode characters.

    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 6.2.0

A continuación, se muestran los componentes que Amazon EMR instala con esta versión. Algunos se instalan como parte de paquetes de aplicación de Big Data. Otros son exclusivos de Amazon EMR y se instalan para ciertos procesos y características del sistema. Normalmente, estos componentes comienzan con emr o aws. Normalmente, los paquetes de aplicación de macrodatos de la versión más reciente de Amazon EMR son las versiones más recientes que pueden encontrarse en la comunidad. Intentamos que las versiones de la comunidad estén disponibles en Amazon EMR lo más rápido posible.

Algunos componentes de Amazon EMR son distintos de las versiones que se encuentran en la comunidad. Estos componentes tienen una etiqueta de versión con el formato CommunityVersion-amzn-EmrVersion. La EmrVersion empieza por 0. Por ejemplo, si un componente de la comunidad de código abierto llamado myapp-component con la versión 2.2 se ha modificado tres veces para incluirlo en diferentes versiones de lanzamiento de Amazon EMR, la versión que se mostrará será 2.2-amzn-2.

Componente Versión Descripción
aws-sagemaker-spark-sdk1.4.1SDK de Amazon SageMaker Spark
emr-ddb4.16.0Conector de Amazon DynamoDB para aplicaciones del ecosistema de Hadoop.
emr-goodies3.1.0Bibliotecas especialmente prácticas para el ecosistema de Hadoop.
emr-kinesis3.5.0Conector de Amazon Kinesis para aplicaciones del ecosistema de Hadoop.
emr-notebook-env1.0.0Entorno de Conda para cuaderno de EMR que incluye una puerta de enlace empresarial de Jupyter
emr-s3-dist-cp2.16.0Aplicación de copia distribuida optimizada para Amazon S3.
emr-s3-select2.0.0Conector S3Select de EMR
emrfs2.44.0Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop.
flink-client1.11.2Scripts y aplicaciones de cliente de línea de comando de Apache Flink.
flink-jobmanager-config1.11.2Administración de recursos en nodos EMR para 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-client3.2.1-amzn-2Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode3.2.1-amzn-2Servicio de nivel de nodos de HDFS para el almacenamiento de bloques.
hadoop-hdfs-library3.2.1-amzn-2Biblioteca y cliente de línea de comandos HDFS
hadoop-hdfs-namenode3.2.1-amzn-2Servicio de HDFS para realizar un seguimiento de nombres de archivo y bloquear ubicaciones.
hadoop-hdfs-journalnode3.2.1-amzn-2Servicio de HDFS para administrar los archivos de Hadoop periódico en clústeres de alta disponibilidad.
hadoop-httpfs-server3.2.1-amzn-2Punto de enlace HTTP para operaciones HDFS.
hadoop-kms-server3.2.1-amzn-2Servidor de administración de claves criptográficas basado en la API de Hadoop. KeyProvider
hadoop-mapred3.2.1-amzn-2MapReduce bibliotecas de motores de ejecución para ejecutar una aplicación. MapReduce
hadoop-yarn-nodemanager3.2.1-amzn-2Servicio de YARN para la administración de contenedores en un nodo individual.
hadoop-yarn-resourcemanager3.2.1-amzn-2Servicio de YARN para la asignación y administración de recursos de clúster y aplicaciones distribuidas.
hadoop-yarn-timeline-server3.2.1-amzn-2Servicio para recuperar información actual e histórica para aplicaciones de YARN.
hbase-hmaster2.2.6-amzn-0Servicio para un clúster de HBase responsable de la coordinación de regiones y ejecución de comandos administrativos.
hbase-region-server2.2.6-amzn-0Servicio que atiende a una o varias regiones de HBase.
hbase-client2.2.6-amzn-0Cliente de línea de comando de HBase.
hbase-rest-server2.2.6-amzn-0Servicio que proporciona un punto de enlace HTTP RESTful para HBase.
hbase-thrift-server2.2.6-amzn-0Service que proporciona un punto de enlace de Thrift a HBase.
hcatalog-client3.1.2-amzn-3El cliente de línea de comando "hcat" para manipular hcatalog-server.
hcatalog-server3.1.2-amzn-3Service que proporciona a HCatalog, una tabla y capa de administración de almacenamiento para aplicaciones distribuidas.
hcatalog-webhcat-server3.1.2-amzn-3Punto de enlace HTTP que proporciona una interfaz REST a HCatalog.
hive-client3.1.2-amzn-3Cliente de línea de comando de Hive.
hive-hbase3.1.2-amzn-3Hive-hbase client.
hive-metastore-server3.1.2-amzn-3Service para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL en operaciones de Hadoop.
hive-server23.1.2-amzn-3Servicio para aceptar consultas de Hive como solicitudes web.
hudi0.6.0-amzn-1Marco de procesamiento incremental para impulsar la canalización de datos a baja latencia y alta eficiencia.
hudi-presto0.6.0-amzn-1Biblioteca de paquetes para ejecutar Presto con Hudi.
hudi-prestosql0.6.0-amzn-1Biblioteca de paquetes para ejecutar PrestoSQL con Hudi.
hudi-spark0.6.0-amzn-1Biblioteca de paquetes para ejecutar Spark con Hudi.
hue-server4.8.0Aplicación web para analizar datos con aplicaciones del ecosistema de Hadoop
jupyterhub1.1.0Servidor multiusuario para blocs de notas Jupyter
livy-server0.7.0-incubatingInterfaz de REST para interactuar con Apache Spark
nginx1.12.1nginx [engine x] es un servidor HTTP y proxy inverso
mxnet1.7.0Una biblioteca flexible, escalable y eficiente para el aprendizaje profundo.
mariadb-server5.5.64+Servidor de base de datos de MariaDB.
nvidia-cuda10.1.243Controladores 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.
opencv4.4.0Biblioteca de visión artificial de código abierto.
phoenix-library5.0.0-HBase-2.0Las bibliotecas de Phoenix para servidor y cliente
phoenix-query-server5.0.0-HBase-2.0Un servidor ligero que proporciona acceso a JDBC, así como acceso de formato Protocol Buffers y JSON al API de Avatica
presto-coordinator0.238.3-amzn-1Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers.
presto-worker0.238.3-amzn-1Service para ejecutar partes de una consulta.
presto-client0.238.3-amzn-1Cliente 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.
prestosql-coordinator343Servicio para aceptar las consultas y administrar la ejecución de consultas entre prestosql-workers.
prestosql-worker343Service para ejecutar partes de una consulta.
prestosql-client343Cliente 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-server2.0.0Sistema de administración de claves Apache Ranger
spark-client3.0.1-amzn-0Clientes de línea de comando de Spark.
spark-history-server3.0.1-amzn-0IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada.
spark-on-yarn3.0.1-amzn-0Motor de ejecución en memoria para YARN.
spark-yarn-slave3.0.1-amzn-0Bibliotecas de Apache Spark necesarias para esclavos de YARN.
spark-rapids0.2.0Complemento Nvidia Spark RAPIDS que acelera Apache Spark con GPU.
sqoop-client1.4.7Cliente de línea de comando de Apache Sqoop.
tensorflow2.3.1TensorFlow biblioteca de software de código abierto para computación numérica de alto rendimiento.
tez-on-yarn0.9.2La aplicación YARN de tez y bibliotecas.
webserver2.4.41+Servidor HTTP de Apache.
zeppelin-server0.9.0-preview1Bloc 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 6.2.0

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

Las acciones de reconfiguración se producen cuando se especifica una configuración para los grupos de instancias de un clúster en ejecución. Amazon EMR solo inicia acciones de reconfiguración para las clasificaciones que se modifican. Para obtener más información, consulte Reconfiguración de un grupo de instancias en un clúster en ejecución.

Clasificaciones de emr-6.2.0
Clasificaciones Descripción Acciones de reconfiguración

capacity-scheduler

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

Restarts the ResourceManager service.

container-executor

Cambie los valores en el archivo container-executor.cfg de Hadoop YARN.

Not available.

container-log4j

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

Not available.

core-site

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

Cambie la configuración relacionada con el docker.

Not available.

emrfs-site

Cambiar la configuración de EMRFS.

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

Cambiar la configuración de flink-conf.yaml.

Not available.

flink-log4j

Cambiar la configuración de log4j.properties de Flink.

Not available.

flink-log4j-yarn-session

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

Not available.

flink-log4j-cli

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

Not available.

hadoop-env

Cambiar los valores en el entorno de Hadoop para todos los componentes de Hadoop.

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

Cambiar los valores en el archivo log4j.properties de 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

Cambiar la configuración del servidor ssl de Hadoop

Not available.

hadoop-ssl-client

Cambiar la configuración del cliente ssl de Hadoop

Not available.

hbase

Configuración de Amazon EMR mantenida para Apache HBase.

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

hbase-env

Cambiar los valores en el entorno de HBase.

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

hbase-log4j

Cambiar los valores en el archivo hbase-log4j.properties de HBase.

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

hbase-metrics

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

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

hbase-policy

Cambiar los valores en el archivo hbase-policy.xml de HBase.

Not available.

hbase-site

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

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

hdfs-encryption-zones

Configurar zonas de cifrado de HDFS.

This classification should not be reconfigured.

hdfs-env

Cambiar los valores en el entorno de HDFS.

Restarts Hadoop HDFS ZKFC.

hdfs-site

Cambiar los valores en hdfs-site.xml de HDFS.

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

hcatalog-env

Cambiar los valores en el entorno de HCatalog.

Restarts Hive HCatalog Server.

hcatalog-server-jndi

Cambiar los valores en jndi.properties de HCatalog.

Restarts Hive HCatalog Server.

hcatalog-server-proto-hive-site

Cambie los valores en el archivo.xml de HCatalog. proto-hive-site

Restarts Hive HCatalog Server.

hcatalog-webhcat-env

Cambiar los valores en el entorno de HCatalog WebHCat.

Restarts Hive WebHCat server.

hcatalog-webhcat-log4j2

Cambiar los valores en log4j2.properties de HCatalog WebHCat.

Restarts Hive WebHCat server.

hcatalog-webhcat-site

Cambiar los valores en el archivo webhcat-site.xml de HCatalog WebHCat.

Restarts Hive WebHCat server.

hive

Configuración de Amazon EMR mantenida para Apache Hive.

Sets configurations to launch Hive LLAP service.

hive-beeline-log4j2

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

Not available.

hive-parquet-logging

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

Not available.

hive-env

Cambiar los valores en el entorno de Hive.

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

hive-exec-log4j2

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

Not available.

hive-llap-daemon-log4j2

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

Not available.

hive-log4j2

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

Not available.

hive-site

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

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

hiveserver2-site

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

Not available.

hue-ini

Cambiar los valores en el archivo ini de Hue

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

httpfs-env

Cambiar los valores en el entorno de HTTPFS.

Restarts Hadoop Httpfs service.

httpfs-site

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

Restarts Hadoop Httpfs service.

hadoop-kms-acls

Cambiar los valores en el archivo kms-acls.xml de Hadoop.

Not available.

hadoop-kms-env

Cambiar los valores en el entorno de Hadoop KMS.

Restarts Hadoop-KMS service.

hadoop-kms-log4j

Cambiar los valores en el archivo kms-log4j.properties de Hadoop.

Not available.

hadoop-kms-site

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

Restarts Hadoop-KMS and Ranger-KMS service.

hudi-env

Cambiar los valores en el entorno de Hudi.

Not available.

jupyter-notebook-conf

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

Not available.

jupyter-hub-conf

Cambie los valores en JupyterHubs el archivo jupyterhub_config.py.

Not available.

jupyter-s3-conf

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

Not available.

jupyter-sparkmagic-conf

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

Not available.

livy-conf

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

Restarts Livy Server.

livy-env

Cambiar los valores en el entorno de Livy.

Restarts Livy Server.

livy-log4j

Cambiar la configuración de log4j.properties de Livy.

Restarts Livy Server.

mapred-env

Cambie los valores en el entorno de la MapReduce aplicación.

Restarts Hadoop MapReduce-HistoryServer.

mapred-site

Cambie los valores en el archivo mapred-site.xml de la MapReduce aplicación.

Restarts Hadoop MapReduce-HistoryServer.

oozie-env

Cambiar los valores en el entorno de Oozie.

Restarts Oozie.

oozie-log4j

Cambiar los valores en el archivo oozie-log4j.properties de Oozie.

Restarts Oozie.

oozie-site

Cambiar los valores en el archivo oozie-site.xml de Oozie.

Restarts Oozie.

phoenix-hbase-metrics

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

Not available.

phoenix-hbase-site

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

Not available.

phoenix-log4j

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

Restarts Phoenix-QueryServer.

phoenix-metrics

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

Not available.

pig-env

Cambiar los valores en el entorno de Pig.

Not available.

pig-properties

Cambiar los valores en el archivo pig.properties de Pig.

Restarts Oozie.

pig-log4j

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

Not available.

presto-log

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

Restarts Presto-Server (for PrestoDB)

presto-config

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

Restarts Presto-Server (for PrestoDB)

presto-password-authenticator

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

Not available.

presto-env

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

Restarts Presto-Server (for PrestoDB)

presto-node

Cambiar valores en el archivo node.properties de Presto.

Not available.

presto-connector-blackhole

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

Not available.

presto-connector-cassandra

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

Not available.

presto-connector-hive

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

Restarts Presto-Server (for PrestoDB)

presto-connector-jmx

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

Not available.

presto-connector-kafka

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

Not available.

presto-connector-localfile

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

Not available.

presto-connector-memory

Cambiar los valores del archivo memory.properties de Presto.

Not available.

presto-connector-mongodb

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

Not available.

presto-connector-mysql

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

Not available.

presto-connector-postgresql

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

Not available.

presto-connector-raptor

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

Not available.

presto-connector-redis

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

Not available.

presto-connector-redshift

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

Not available.

presto-connector-tpch

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

Not available.

presto-connector-tpcds

Cambiar los valores del archivo tpcds.properties de Presto.

Not available.

prestosql-log

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

Restarts Presto-Server (for PrestoSQL)

prestosql-config

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

Restarts Presto-Server (for PrestoSQL)

prestosql-password-authenticator

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

Restarts Presto-Server (for PrestoSQL)

prestosql-env

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

Restarts Presto-Server (for PrestoSQL)

prestosql-node

Cambiar los valores en el archivo node.properties de PrestoSQL.

Not available.

prestosql-connector-blackhole

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

Not available.

prestosql-connector-cassandra

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

Not available.

prestosql-connector-hive

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

Restarts Presto-Server (for PrestoSQL)

prestosql-connector-jmx

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

Not available.

prestosql-connector-kafka

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

Not available.

prestosql-connector-localfile

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

Not available.

prestosql-connector-memory

Cambiar los valores del archivo memory.properties de PrestoSQL.

Not available.

prestosql-connector-mongodb

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

Not available.

prestosql-connector-mysql

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

Not available.

prestosql-connector-postgresql

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

Not available.

prestosql-connector-raptor

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

Not available.

prestosql-connector-redis

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

Not available.

prestosql-connector-redshift

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

Not available.

prestosql-connector-tpch

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

Not available.

prestosql-connector-tpcds

Cambiar los valores del archivo tpcds.properties de PrestoSQL.

Not available.

ranger-kms-dbks-site

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

Restarts Ranger KMS Server.

ranger-kms-site

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

Restarts Ranger KMS Server.

ranger-kms-env

Cambie los valores del entorno Ranger KMS.

Restarts Ranger KMS Server.

ranger-kms-log4j

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

Not available.

ranger-kms-db-ca

Cambie los valores del archivo CA en S3 para la conexión SSL de MySQL con Ranger KMS.

Not available.

spark

Configuración de Amazon EMR mantenida para Apache Spark.

This property modifies spark-defaults. See actions there.

spark-defaults

Cambiar los valores en el archivo spark-defaults.conf de Spark.

Restarts Spark history server and Spark thrift server.

spark-env

Cambiar los valores en el entorno de Spark.

Restarts Spark history server and Spark thrift server.

spark-hive-site

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

Not available.

spark-log4j

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

Restarts Spark history server and Spark thrift server.

spark-metrics

Cambiar los valores en el archivo metrics.properties de Spark.

Restarts Spark history server and Spark thrift server.

sqoop-env

Cambiar los valores en el entorno de Sqoop.

Not available.

sqoop-oraoop-site

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

Not available.

sqoop-site

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

Not available.

tez-site

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

Restart Oozie.

yarn-env

Cambiar los valores en el entorno de YARN.

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

yarn-site

Cambiar los valores en el archivo yarn-site.xml de YARN.

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

zeppelin-env

Cambiar los valores en el entorno de Zeppelin.

Restarts Zeppelin.

zookeeper-config

Cambie los valores en el ZooKeeper archivo zoo.cfg.

Restarts Zookeeper server.

zookeeper-log4j

Cambie los valores en el ZooKeeper archivo log4j.properties.

Restarts Zookeeper server.