Amazon EMR, versión 6.3.0 - Amazon EMR
Versiones de la aplicaciónNotas de la versiónVersiones de componentesClasificaciones de configuración

Amazon EMR, versión 6.3.0

Versiones de la aplicación

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-6.3.0 emr-6.2.1 emr-6.2.0 emr-6.1.1
AWS SDK para Java 1.11.9771.11.8801.11.8801.11.828
Python 2.7, 3.72.7, 3.72.7, 3.72.7, 3.7
Scala 2.12.102.12.102.12.102.12.10
Delta - - - -
Flink1.12.11.11.21.11.21.11.0
Ganglia3.7.23.7.23.7.23.7.2
HBase2.2.62.2.6-amzn-02.2.6-amzn-02.2.5
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
Hudi0.7.0-amzn-00.6.0-amzn-10.6.0-amzn-10.5.2-incubating-amzn-2
Hue4.9.04.8.04.8.04.7.1
Iceberg - - - -
JupyterEnterpriseGateway2.1.02.1.02.1.0 -
JupyterHub1.2.21.1.01.1.01.1.0
Livy0.7.00.7.00.7.00.7.0
MXNet1.7.01.7.01.7.01.6.0
Mahout - - - -
Oozie5.2.15.2.05.2.05.2.0
Phoenix5.0.05.0.05.0.05.0.0
Pig0.17.00.17.00.17.00.17.0
Presto0.245.10.238.30.238.30.232
Spark3.1.13.0.13.0.13.0.0
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow2.4.12.3.12.3.12.1.0
Tez0.9.20.9.20.9.20.9.2
Trino (PrestoSQL)350343343338
Zeppelin0.9.00.9.00.9.00.9.0
ZooKeeper3.4.143.4.143.4.143.4.14

Notas de la versión

Las siguientes notas de la versión incluyen información sobre la versión 6.3.0 de Amazon EMR. Los cambios son respecto a la versión 6.2.0.

Fecha de lanzamiento inicial: 12 de mayo de 2021

Fecha de la última actualización: 9 de agosto de 2021

Aplicaciones compatibles

  • AWS SDK for Java versión 1.11.977

  • CloudWatch Sink, versión 2.1.0

  • Conector de DynamoDB, versión 4.16.0

  • EMRFS, versión 2.46.0

  • Amazon EMR Goodies, versión 3.2.0

  • Conector de Kinesis para Amazon EMR, versión 3.5.0

  • Servidor de registros de Amazon EMR, versión 2.0.0

  • Scripts de Amazon EMR, versión 2.5.0

  • Flink, versión 1.12.1

  • Versión de Ganglia 3.7.2

  • Cliente de metaalmacén de Hive de AWS Glue, versión 3.2.0

  • Hadoop, versión 3.2.1-amzn-3

  • HBase, versión 2.2.6-amzn-1

  • HBase-operator-tools 1.0.0

  • HCatalog versión 3.1.2-amzn-0

  • Hive, versión 3.1.2-amzn-4

  • Hudi versión 0.7.0-amzn-0

  • Hue versión 4.9.0

  • Java JDK, versión Corretto-8.282.08.1 (compilación 1.8.0_282-b08)

  • JupyterHub versión 1.2.0

  • Livy versión 0.7.0-incubating

  • MXNet versión 1.7.0

  • Oozie versión 5.2.1

  • Versión de Phoenix 5.0.0

  • Pig, versión 0.17.0

  • Presto, versión 0.245.1-amzn-0

  • PrestoSQL, versión 350

  • Apache Ranger KMS (cifrado transparente multimaestro), versión 2.0.0

  • ranger-plugins 2.0.1-amzn-0

  • ranger-s3-plugin 1.1.0

  • SDK de SageMaker Spark, versión 1.4.1

  • Scala, versión 2.12.10 (máquina virtual de servidor OpenJDK de 64 bits, Java 1.8.0_282)

  • Spark, versión 3.1.1-amzn-0

  • spark-rapids 0.4.1

  • Sqoop, versión 1.4.7

  • TensorFlow versión 2.4.1

  • Tez, versión 0.9.2

  • Zeppelin versión 0.9.0

  • Versión de Zookeeper 3.4.14

  • Conectores y controladores: conector de DynamoDB 4.16.0

Nuevas características

  • Amazon EMR es compatible con Puntos de acceso de Amazon S3, una característica de Amazon S3 que le permite administrar fácilmente el acceso a los lagos de datos compartidos. Con su alias de Puntos de acceso de Amazon S3, puede simplificar el acceso a los datos a escala en Amazon EMR. Puede utilizar Puntos de acceso de Amazon S3 con todas las versiones de Amazon EMR sin costo adicional en todas las regiones de AWS en las que Amazon EMR esté disponible. Para más información acerca de los puntos de acceso de Amazon S3 y los alias de punto de acceso, consulte Uso de un alias de estilo bucket para el punto de acceso en la Guía del usuario de Amazon S3.

  • Los parámetros nuevos DescribeReleaseLabel y ListReleaseLabel de la API proporcionan detalles de la etiqueta de la versión de Amazon EMR. Puede enumerar mediante programación las versiones disponibles en la región en la que se ejecuta la solicitud de API y enumerar las aplicaciones disponibles para una etiqueta de versión específica de Amazon EMR. Los parámetros de las etiquetas de versión también enumeran las versiones de Amazon EMR compatibles con una aplicación específica, como Spark. Esta información se puede utilizar para iniciar clústeres de Amazon EMR mediante programación. Por ejemplo, puede iniciar un clúster con la versión más reciente de los resultados de ListReleaseLabel. Para más información, consulte DescribeReleaseLabel y ListReleaseLabels en la Referencia de la API de Amazon EMR.

  • A partir de Amazon EMR 6.3.0, puede iniciar un clúster que se integre de forma nativa con Apache Ranger. Apache Ranger es un marco de código abierto para habilitar, supervisar y administrar la seguridad integral de los datos en toda la plataforma Hadoop. Para obtener más información, consulte Apache Ranger. Con la integración nativa, puede utilizar su propio Apache Ranger para aplicar un control de acceso a los datos detallado en Amazon EMR. Consulte Integrar Amazon EMR con Apache Ranger en la Guía de administración de Amazon EMR.

  • Políticas administradas limitadas: para cumplir con las prácticas recomendadas de AWS, Amazon EMR ha introducido la versión 2 de las políticas administradas predeterminadas limitadas a EMR como sustitutas 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.

  • El modo de explicación de la interfaz de usuario de Spark SQL ha cambiado de extended a formatted en Spark 3.1. Amazon EMR lo revirtió a extended para incluir información del plan lógico en la interfaz de usuario de Spark SQL. Esto se puede revertir al establecer spark.sql.ui.explainMode en formatted.

  • Se ha agregado portabilidad con versiones anteriores para las siguientes confirmaciones desde la ramificación maestra de Spark.

    - [SPARK-34752] [BUILD] Actualizar Jetty a la versión 9.4.37 para abordar CVE-2020-27223.

    - [SPARK-34534] Corregir el orden de blockIds al usar FetchShuffleBlocks para recuperar bloques.

    - [SPARK-34681] [SQL] Corregir un error de combinación hash desordenada externa completa al crear el lado izquierdo con condiciones desiguales.

    - [SPARK-34497] [SQL] Corregir los proveedores de conexión JDBC integrados para restaurar los cambios en el contexto de seguridad de JVM.

  • Para mejorar la interoperabilidad con el complemento Nvidia Spark RAPIDS, se ha agregado una solución alternativa para corregir un problema que impedía que se activara la eliminación dinámica de particiones al utilizar Nvidia Spark RAPIDS con la ejecución de consultas adaptativas deshabilitada; consulte Problema núm. 1378 de RAPIDS y Problema núm. 1386 de RAPIDS. Para más información sobre la nueva configuración spark.sql.optimizer.dynamicPartitionPruning.enforceBroadcastReuse, consulte Problema núm. 1386 de RAPIDS.

  • En Spark 3.1 de código abierto, se ha cambiado el algoritmo predeterminado del confirmador de salida de archivos de la versión 2 a la versión 1. Para más información, consulte Amazon EMR optimiza el rendimiento de Spark: eliminación dinámica de particiones.

  • Amazon EMR volvió a la versión 2 del algoritmo, la predeterminada que se utilizaba en las versiones anteriores de Amazon EMR 6.x, para evitar la regresión del rendimiento. Para restaurar el comportamiento de Spark 3.1 de código abierto, establezca spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version en 1. Spark, de código abierto, ha realizado este cambio porque la confirmación de tareas en la versión 2 del algoritmo de confirmación de salida de archivos no es atómica, lo que puede provocar un problema de corrección de los datos de salida en algunos casos. Sin embargo, la confirmación de tareas en la versión 1 del algoritmo tampoco es atómica. En algunos escenarios, la confirmación de tareas incluye una eliminación realizada antes del cambio de nombre. Esto puede provocar un problema silencioso de corrección de los datos.

  • Se corrigieron los problemas de escalado administrado en versiones anteriores de Amazon EMR y se realizaron mejoras para reducir significativamente las tasas de errores de las aplicaciones.

  • Se instaló el paquete de AWS SDK para Java en cada clúster nuevo. Se trata de un único archivo jar único que contiene todos los SDK de servicio y sus dependencias, en lugar de archivos jar de componentes individuales. Para más información, consulte Java SDK Bundled Dependency.

Problemas conocidos

  • En el caso de los clústeres de subredes privadas de Amazon EMR 6.3.0 y 6.2.0, 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, JupyterHub, Zeppelin, Livy y Tez, 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.

  • Cuando Catálogo de datos de AWS Glue está habilitado, es posible que no se pueda utilizar Spark para acceder a una base de datos de AWS Glue con un URI de ubicación de cadena nula. Esto ocurre con las versiones anteriores de Amazon EMR, pero SPARK-31709 (https://issues.apache.org/jira/browse/SPARK-31709) hace que se aplique a más casos. Por ejemplo, al crear una tabla en la base de datos de AWS Glue predeterminada cuyo URI de ubicación es una cadena nula, se produce un error en spark.sql("CREATE TABLE mytest (key string) location '/table_path';") con el mensaje “No se puede crear una ruta a partir de una cadena vacía”. Para solucionar este problema, establezca manualmente el URI de ubicación de las bases de datos de AWS Glue y, a continuación, cree tablas dentro de estas bases de datos con Spark.

  • En Amazon EMR 6.3.0, PrestoSQL se ha actualizado de la versión 343 a la versión 350. Hay dos cambios respecto a la seguridad en el código abierto que se relacionan con este cambio de versión. El control de acceso al catálogo basado en archivos cambia de deny a allow cuando las reglas de propiedades de la tabla, el esquema o la sesión no están definidas. Además, el control de acceso al sistema basado en archivos se ha modificado para admitir archivos sin reglas de catálogo definidas. En este caso, se permite todo el acceso a los catálogos.

    Para más información, consulte Release 344 (9 Oct 2020).

  • Tenga en cuenta que todos pueden leer el directorio de usuarios de Hadoop (/home/hadoop). Tiene permisos de directorio Unix 755 (drwxr-xr-x) para permitir el acceso de lectura mediante marcos como Hive. Puede colocar archivos en /home/hadoop y sus subdirectorios, pero tenga en cuenta los permisos de esos directorios para proteger la información confidencial.

  • 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

    Los clústeres de Amazon EMR que ejecutan las AMI (imágenes de máquina de Amazon) 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 de Amazon Linux predeterminada. 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.

  • Para utilizar las acciones de Spark con Apache Oozie, debe agregar la siguiente configuración al archivo workflow.xml de Oozie. De lo contrario, varias bibliotecas críticas, como Hadoop y EMRFS, no aparecerán en la ruta de clases de los ejecutores de Spark que lance Oozie.

    <spark-opts>--conf spark.yarn.populateHadoopClasspath=true</spark-opts>

  • 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 componentes

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-goodies3.2.0Bibliotecas especialmente prácticas para el ecosistema de Hadoop.
emr-kinesis3.5.0Conector de Amazon Kinesis para aplicaciones del ecosistema de Hadoop.
emr-notebook-env1.2.0Entorno de Conda para cuaderno de EMR que incluye una puerta de enlace empresarial de Jupyter
emr-s3-dist-cp2.18.0Aplicación de copia distribuida optimizada para Amazon S3.
emr-s3-select2.1.0Conector S3Select de EMR
emrfs2.46.0Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop.
flink-client1.12.1Scripts y aplicaciones de cliente de línea de comando de Apache Flink.
flink-jobmanager-config1.12.1Administración de recursos en nodos de EMR para JobManager de Apache Flink.
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-3Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode3.2.1-amzn-3Servicio de nivel de nodos de HDFS para el almacenamiento de bloques.
hadoop-hdfs-library3.2.1-amzn-3Biblioteca y cliente de línea de comandos HDFS
hadoop-hdfs-namenode3.2.1-amzn-3Servicio de HDFS para realizar un seguimiento de nombres de archivo y bloquear ubicaciones.
hadoop-hdfs-journalnode3.2.1-amzn-3Servicio de HDFS para administrar los archivos de Hadoop periódico en clústeres de alta disponibilidad.
hadoop-httpfs-server3.2.1-amzn-3Punto de enlace HTTP para operaciones HDFS.
hadoop-kms-server3.2.1-amzn-3Servidor de administración de claves criptográficas basado en el API KeyProvider de Hadoop.
hadoop-mapred3.2.1-amzn-3Bibliotecas de motor de ejecución de MapReduce para ejecutar una aplicación de MapReduce.
hadoop-yarn-nodemanager3.2.1-amzn-3Servicio de YARN para la administración de contenedores en un nodo individual.
hadoop-yarn-resourcemanager3.2.1-amzn-3Servicio de YARN para la asignación y administración de recursos de clúster y aplicaciones distribuidas.
hadoop-yarn-timeline-server3.2.1-amzn-3Servicio para recuperar información actual e histórica para aplicaciones de YARN.
hbase-hmaster2.2.6-amzn-1Servicio para un clúster de HBase responsable de la coordinación de regiones y ejecución de comandos administrativos.
hbase-region-server2.2.6-amzn-1Servicio que atiende a una o varias regiones de HBase.
hbase-client2.2.6-amzn-1Cliente de línea de comando de HBase.
hbase-rest-server2.2.6-amzn-1Servicio que proporciona un punto de enlace HTTP RESTful para HBase.
hbase-thrift-server2.2.6-amzn-1Service que proporciona un punto de enlace de Thrift a HBase.
hcatalog-client3.1.2-amzn-4El cliente de línea de comando "hcat" para manipular hcatalog-server.
hcatalog-server3.1.2-amzn-4Service que proporciona a HCatalog, una tabla y capa de administración de almacenamiento para aplicaciones distribuidas.
hcatalog-webhcat-server3.1.2-amzn-4Punto de enlace HTTP que proporciona una interfaz REST a HCatalog.
hive-client3.1.2-amzn-4Cliente de línea de comando de Hive.
hive-hbase3.1.2-amzn-4Hive-hbase client.
hive-metastore-server3.1.2-amzn-4Service para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL en operaciones de Hadoop.
hive-server23.1.2-amzn-4Servicio para aceptar consultas de Hive como solicitudes web.
hudi0.7.0-amzn-0Marco de procesamiento incremental para impulsar la canalización de datos a baja latencia y alta eficiencia.
hudi-presto0.7.0-amzn-0Biblioteca de paquetes para ejecutar Presto con Hudi.
hudi-prestosql0.7.0-amzn-0Biblioteca de paquetes para ejecutar PrestoSQL con Hudi.
hudi-spark0.7.0-amzn-0Biblioteca de paquetes para ejecutar Spark con Hudi.
hue-server4.9.0Aplicación web para analizar datos con aplicaciones del ecosistema de Hadoop
jupyterhub1.2.2Servidor 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-server5.5.68+Servidor de base de datos de MariaDB.
nvidia-cuda10.1.243Controladores Nvidia y conjunto de herramientas Cuda
oozie-client5.2.1Cliente de línea de comando de Oozie.
oozie-server5.2.1Servicio para aceptar solicitudes de flujo de trabajo de Oozie.
opencv4.5.0Biblioteca 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-coordinator0.245.1-amzn-0Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers.
presto-worker0.245.1-amzn-0Service para ejecutar partes de una consulta.
presto-client0.245.1-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.
prestosql-coordinator350Servicio para aceptar las consultas y administrar la ejecución de consultas entre prestosql-workers.
prestosql-worker350Service para ejecutar partes de una consulta.
prestosql-client350Cliente 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.
r4.0.2Proyecto R para análisis estadístico
ranger-kms-server2.0.0Sistema de administración de claves Apache Ranger
spark-client3.1.1-amzn-0Clientes de línea de comando de Spark.
spark-history-server3.1.1-amzn-0IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada.
spark-on-yarn3.1.1-amzn-0Motor de ejecución en memoria para YARN.
spark-yarn-slave3.1.1-amzn-0Bibliotecas de Apache Spark necesarias para esclavos de YARN.
spark-rapids0.4.1Complemento Nvidia Spark RAPIDS que acelera Apache Spark con GPU.
sqoop-client1.4.7Cliente de línea de comando de Apache Sqoop.
tensorflow2.4.1Biblioteca de software de código abierto de TensorFlow para cálculos numéricos de alto rendimiento.
tez-on-yarn0.9.2La aplicación YARN de tez y bibliotecas.
webserver2.4.41+Servidor HTTP de Apache.
zeppelin-server0.9.0Bloc 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-client3.4.14Cliente de línea de comando de ZooKeeper.

Clasificaciones de configuración

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 Configure 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-6.3.0
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.

Restarts Flink history server.

flink-log4j

Cambiar la configuración de log4j.properties de Flink.

Restarts Flink history server.

flink-log4j-session

Cambie la configuración de log4j-session.properties de Flink para sesión de Kubernetes o Yarn.

Restarts Flink history server.

flink-log4j-cli

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

Restarts Flink history server.

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 services Namenode, Datanode, and 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

Cambiar los valores en proto-hive-site.xml de HCatalog.

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

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

Not available.

hive-llap-daemon-log4j2

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

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

Cambiar los valores en el archivo jupyterhub_config.py de JupyterHubs.

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

Cambiar los valores en el entorno de aplicación de MapReduce.

Restarts Hadoop MapReduce-HistoryServer.

mapred-site

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

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 del archivo ranger-kms-site.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

Cambiar 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 and HiveServer2.

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.

zeppelin-site

Cambie los ajustes de configuración de zeppelin-site.xml.

Restarts Zeppelin.

zookeeper-config

Cambiar los valores del archivo zoo.cfg de ZooKeeper.

Restarts Zookeeper server.

zookeeper-log4j

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

Restarts Zookeeper server.