Amazon EMR version 5.25.0 - Amazon EMR
Versions d’application 5.25.0Notes de mise à jour 5.25.0Versions des composants 5.25.0Classifications des configurations 5.25.0

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Amazon EMR version 5.25.0

Versions d’application 5.25.0

Les applications suivantes sont prises en charge dans cette version : Flink, Ganglia, HBase, HCatalog, Hadoop, Hive, Hue, JupyterHub, Livy, MXNet, Mahout, Oozie, Phoenix, Pig, Presto, Spark, Sqoop, TensorFlow, Tez, Zeppelin, et ZooKeeper.

Le tableau ci-dessous répertorie les versions d'application disponibles dans cette version d'Amazon EMR et les versions d'application des trois EMR versions précédentes d'Amazon (le cas échéant).

Pour obtenir un historique complet des versions des applications pour chaque version d'AmazonEMR, consultez les rubriques suivantes :

Informations sur la version de l'application
emr-5.25.0 emr-5.24.1 emr-5.24.0 emr-5.23.1
AWS SDKpour Java 1,1,5661,1,5461,1,5461,1,519
Python 2,7, 3,62,7, 3,62,7, 3,62,7, 3,6
Scala 2,1,122,1,122,1,122,1,12
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink1.8.01.8.01.8.01.7.1
Ganglia3.7.23.7.23.7.23.7.2
HBase1.4.91.4.91.4.91.4.9
HCatalog2.3.52.3.42.3.42.3.4
Hadoop2.8.52.8.52.8.52.8.5
Hive2.3.52.3.42.3.42.3.4
Hudi - - - -
Hue4.4.04.4.04.4.04.3.0
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub0.9.60.9.60.9.60.9.4
Livy0.6.00.6.00.6.00,5,0
MXNet1.4.01.4.01.4.01.3.1
Mahout0.13.00.13.00.13.00.13.0
Oozie5.1.05.1.05.1.05.1.0
Phoenix4.14.14.14.14.14.14.14.1
Pig0.17.00.17.00.17.00.17.0
Presto0.2200.2190.2190.215
Spark2.4.32.4.22.4.22.4.0
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow1.13.11.12.01.12.01.12.0
Tez0.9.20.9.10.9.10.9.1
Trino (PrestoSQL) - - - -
Zeppelin0.8.10.8.10.8.10.8.1
ZooKeeper3.4.143.4.133.4.133.4.13

Notes de mise à jour 5.25.0

Les notes de mise à jour suivantes contiennent des informations relatives à la EMR version 5.25.0 d'Amazon. Les modifications ont été apportées à la version 5.24.1.

Date de parution initiale : 17 juillet 2019

Dernière mise à jour : 30 octobre 2019

Amazon EMR 5.25.0

Mises à niveau

  • AWS SDK for Java 1,1,566

  • Hive 2.3.5

  • Presto 0.220

  • Spark 2.4.3

  • TensorFlow 1.13.1

  • Tez 0.9.2

  • Zookeeper 3.4.14

Nouvelles fonctionnalités

  • (30 octobre 2019) À partir de la EMR version 5.25.0 d'Amazon, vous pouvez vous connecter à l'interface utilisateur du serveur d'historique Spark depuis la page de résumé du cluster ou depuis l'onglet Historique des applications de la console. Au lieu de configurer un proxy Web par le biais d'une SSH connexion, vous pouvez accéder rapidement à l'interface utilisateur du serveur d'historique Spark pour consulter les métriques de l'application et accéder aux fichiers journaux pertinents pour les clusters actifs et interrompus. Pour plus d'informations, consultez la section Accès hors cluster aux interfaces utilisateur persistantes des applications dans le Amazon EMR Management Guide.

Modifications, améliorations et problèmes résolus

  • Spark

    • Amélioration des performances de certaines jointures en utilisant des filtres Bloom pour préfiltrer les entrées. L'optimisation est désactivée par défaut et peut être activée en définissant le paramètre de configuration Spark spark.sql.bloomFilterJoin.enabled sur true.

    • Amélioration des performances du regroupement par colonnes de type chaîne.

    • Amélioration de la mémoire par défaut de l'exécuteur Spark et de la configuration des cœurs des types d'instances R4 pour les clusters non HBase installés.

    • Résolution d'un problème antérieur lié à la fonctionnalité d'élimination dynamique des partitions, où la table éliminée devait se trouver du côté gauche de la jointure.

    • Amélioré DISTINCT avant INTERSECT l'optimisation pour s'appliquer à d'autres cas impliquant des alias.

    • Inférence améliorée des statistiques du SQL plan pour les requêtes JOIN suivies par les DISTINCT requêtes. Cette amélioration est désactivée par défaut et peut être activée en définissant le paramètre de configuration Spark spark.sql.statsImprovements.enabled sur true. Cette optimisation est requise par la fonctionnalité Distinct avant Intersect et sera automatiquement activée lorsque spark.sql.optimizer.distinctBeforeIntersect.enabled est définie sur true.

    • Ordre de jointure optimisé en fonction de la taille de la table et des filtres. Cette optimisation est désactivée par défaut et peut être activée en définissant le paramètre de configuration Spark spark.sql.optimizer.sizeBasedJoinReorder.enabled sur true.

    Pour plus d'informations, consultez Optimisation des performances de Spark.

  • EMRFS

    • Le EMRFS paramètre est désormais désactivé par défaut. fs.s3.buckets.create.enabled Lors des tests, nous avons constaté que la désactivation de ce paramètre améliore les performances et empêche la création involontaire de compartiments S3. Si votre application repose sur cette fonctionnalité, vous pouvez l'activer en définissant la propriété fs.s3.buckets.create.enabled sur true dans la classification de configuration emrfs-site. Pour plus d'informations, consultez Fourniture d'une configuration lors de la création d'un cluster.

  • Améliorations du chiffrement du disque local et du chiffrement S3 dans les configurations de sécurité (5 août 2019)

    • Les paramètres de chiffrement Amazon S3 ont été séparés des paramètres de chiffrement du disque local dans la configuration de la sécurité.

    • Ajout d'une option pour activer EBS le chiffrement avec les versions 5.24.0 et ultérieures. La sélection de cette option chiffre le volume du périphérique racine en plus des volumes de stockage. Les versions précédentes nécessitaient l'utilisation d'une AMI méthode personnalisée pour chiffrer le volume du périphérique racine.

    • Pour plus d'informations, consultez la section Options de chiffrement dans le guide EMR de gestion Amazon.

Problèmes connus

  • Problème connu dans les clusters dotés de plusieurs nœuds primaires et d'une authentification Kerberos

    Si vous exécutez des clusters dotés de plusieurs nœuds principaux et d'une authentification Kerberos dans les EMR versions 5.20.0 et ultérieures d'Amazon, vous risquez de rencontrer des problèmes avec les opérations de cluster, telles que la réduction ou la soumission par étapes, une fois que le cluster est en cours d'exécution depuis un certain temps. La durée dépend de la période de validité du ticket Kerberos que vous avez définie. Le problème de réduction d'échelle a un impact à la fois sur la réduction d'échelle automatique et sur les demandes de réduction d'échelle explicites que vous avez soumises. D'autres opérations de cluster peuvent également être affectées.

    Solution :

    • SSHen tant qu'hadooputilisateur du nœud principal du EMR cluster comportant plusieurs nœuds principaux.

    • Exécutez la commande suivante pour renouveler le ticket Kerberos pour l'utilisateur hadoop. 

      kinit -kt <keytab_file> <principal>

      Généralement, le fichier keytab se trouve dans /etc/hadoop.keytab et le principal se présente sous la forme de hadoop/<hostname>@<REALM>.

    Note

    Cette solution de contournement sera effective pendant toute la durée de validité du ticket Kerberos. Cette durée est de 10 heures par défaut, mais peut être configurée par vos paramètres Kerberos. Vous devez exécuter à nouveau la commande ci-dessus une fois le ticket Kerberos expiré.

Versions des composants 5.25.0

Les composants qu'Amazon EMR installe avec cette version sont répertoriés ci-dessous. Certains sont installés dans le cadre de packages d'application de Big Data. D'autres sont propres à Amazon EMR et sont installés pour les processus et les fonctionnalités du système. Ceux-ci commencent généralement par emr ou aws. Les packages d'applications Big Data de la dernière EMR version d'Amazon sont généralement les dernières versions disponibles dans la communauté. Nous mettons les publications communautaires à disposition sur Amazon EMR le plus rapidement possible.

Certains composants d'Amazon EMR diffèrent des versions communautaires. Ces composants ont une étiquette de version sous la forme CommunityVersion-amzn-EmrVersion. EmrVersion commence à 0. Par exemple, si un composant communautaire open source nommé myapp-component avec la version 2.2 a été modifié trois fois pour être inclus dans différentes EMR versions d'Amazon, sa version de publication est répertoriée sous le nom de2.2-amzn-2.

Composant Version Description
aws-sagemaker-spark-sdk1.2.4Amazon SageMaker Spark SDK
emr-ddb4.10.0Connecteur Amazon DynamoDB pour les applications de l'écosystème Hadoop.
emr-goodies2.9.0Bibliothèques proposant plus de commodités pour l'écosystème Hadoop.
emr-kinesis3.4.0Connecteur Amazon Kinesis pour les applications de l'écosystème Hadoop.
emr-s3-dist-cp2.11.0Application de copie distribuée optimisée pour Amazon S3.
emr-s3-select1.3.0EMRConnecteur S3Select
emrfs2.34.0Connecteur Amazon S3 pour les applications de l'écosystème Hadoop.
flink-client1.8.0Applications et scripts client de la ligne de commande Apache Flink.
ganglia-monitor3.7.2Agent Ganglia intégré pour les applications de l'écosystème Hadoop avec agent de surveillance Ganglia.
ganglia-metadata-collector3.7.2Collecteur de métadonnées Ganglia pour agréger les métriques des agents de surveillance Ganglia.
ganglia-web3.7.1Application web pour afficher les métriques collectées par le collecteur de métadonnées Ganglia.
hadoop-client2.8.5-amzn-4Clients de ligne de commande Hadoop tels que « hdfs », « hadoop » ou « yarn ».
hadoop-hdfs-datanode2.8.5-amzn-4HDFSservice au niveau du nœud pour le stockage de blocs.
hadoop-hdfs-library2.8.5-amzn-4HDFSclient et bibliothèque en ligne de commande
hadoop-hdfs-namenode2.8.5-amzn-4HDFSservice de suivi des noms de fichiers et de l'emplacement des blocs.
hadoop-hdfs-journalnode2.8.5-amzn-4HDFSservice de gestion du journal du système de fichiers Hadoop sur les clusters HA.
hadoop-httpfs-server2.8.5-amzn-4HTTPpoint de terminaison pour HDFS les opérations.
hadoop-kms-server2.8.5-amzn-4Serveur de gestion des clés cryptographiques basé sur Hadoop. KeyProvider API
hadoop-mapred2.8.5-amzn-4MapReduce bibliothèques de moteurs d'exécution pour exécuter une MapReduce application.
hadoop-yarn-nodemanager2.8.5-amzn-4YARNservice de gestion des conteneurs sur un nœud individuel.
hadoop-yarn-resourcemanager2.8.5-amzn-4YARNservice d'allocation et de gestion des ressources du cluster et des applications distribuées.
hadoop-yarn-timeline-server2.8.5-amzn-4Service de récupération des informations actuelles et historiques pour les YARN applications.
hbase-hmaster1.4.9Service pour un HBase cluster chargé de la coordination des régions et de l'exécution des commandes administratives.
hbase-region-server1.4.9Service destiné à desservir une ou plusieurs HBase régions.
hbase-client1.4.9HBaseclient en ligne de commande.
hbase-rest-server1.4.9Service fournissant un RESTful HTTP point de terminaison pourHBase.
hbase-thrift-server1.4.9Service fournissant un point de terminaison Thrift pour. HBase
hcatalog-client2.3.5-amzn-0Client de ligne de commande « hcat » pour la manipulation de hcatalog-server.
hcatalog-server2.3.5-amzn-0Fourniture de servicesHCatalog, table et couche de gestion du stockage pour les applications distribuées.
hcatalog-webhcat-server2.3.5-amzn-0HTTPpoint de terminaison fournissant une REST interface pourHCatalog.
hive-client2.3.5-amzn-0Client de ligne de commande Hive.
hive-hbase2.3.5-amzn-0Client Hive-hbase.
hive-metastore-server2.3.5-amzn-0Service d'accès au métastore Hive, un référentiel sémantique stockant des métadonnées pour SQL les opérations sur Hadoop.
hive-server22.3.5-amzn-0Service pour l'acceptation de requêtes Hive en tant que requêtes web.
hue-server4.4.0Application web pour l'analyse des données à l'aide d'applications de l'écosystème Hadoop
jupyterhub0.9.6Serveur multi-utilisateurs pour blocs-notes Jupyter
livy-server0.6.0-incubatingRESTinterface pour interagir avec Apache Spark
nginx1.12.1nginx [engine x] est HTTP un serveur proxy inverse
mahout-client0.13.0Bibliothèque pour la technologie Machine Learning.
mxnet1.4.0Bibliothèque flexible, évolutive et efficace pour le deep learning.
mysql-server5.5.54+Mon serveur SQL de base de données.
nvidia-cuda9.2.88Pilotes Nvidia et boîte à outils Cuda
oozie-client5.1.0Client de ligne de commande Oozie.
oozie-server5.1.0Service pour l'acceptation des demandes de flux de travail Oozie.
opencv3.4.0Bibliothèque open source Vision par ordinateur
phoenix-library4,14.1- -1,4 HBaseLes bibliothèques phoenix pour serveur et client
phoenix-query-server4,14.1- -1,4 HBaseUn serveur léger fournissant un JDBC accès ainsi que des tampons de protocole et un accès JSON au format à l'Avatica API
presto-coordinator0.220Service pour accepter les requêtes et gérer l'exécution des requêtes des composants presto-worker.
presto-worker0.220Service pour exécuter les éléments d'une requête.
pig-client0.17.0Client de ligne de commande Pig.
r3.4.1Projet R pour les calculs statistiques
spark-client2.4.3Clients de ligne de commande Spark.
spark-history-server2.4.3Interface web pour afficher des événements enregistrés pour la durée de vie d'une application Spark terminée.
spark-on-yarn2.4.3Moteur d'exécution en mémoire pour. YARN
spark-yarn-slave2.4.3Bibliothèques Apache Spark nécessaires YARN aux esclaves.
sqoop-client1.4.7Client de ligne de commande Apache Sqoop.
tensorflow1.13.1TensorFlow bibliothèque de logiciels open source pour le calcul numérique de haute performance.
tez-on-yarn0.9.2L'YARNapplication Tez et les bibliothèques.
webserver2.4.25+HTTPserveur Apache.
zeppelin-server0.8.1Portable basé sur le web qui permet l'analyse de données interactives.
zookeeper-server3.4.14Service centralisé conçu pour la conservation des informations de configuration, l'affectation de noms, la synchronisation distribuée et la fourniture de services de groupe.
zookeeper-client3.4.14ZooKeeper client en ligne de commande.

Classifications des configurations 5.25.0

Les classifications de configuration vous permettent de personnaliser les applications. Ils correspondent souvent à un XML fichier de configuration de l'application, tel quehive-site.xml. Pour de plus amples informations, veuillez consulter Configuration des applications.

Classifications emr-5.25.0
Classifications Description

capacity-scheduler

Modifiez les valeurs dans le fichier capacity-scheduler.xml de Hadoop.

container-log4j

Modifiez les valeurs dans le fichier container-log4j.properties YARN de Hadoop.

core-site

Modifiez les valeurs dans le fichier core-site.xml de Hadoop.

emrfs-site

Modifiez EMRFS les paramètres.

flink-conf

Modifiez les paramètres flink-conf.yaml.

flink-log4j

Modifiez les paramètres log4j.properties Flink.

flink-log4j-yarn-session

Modifiez les paramètres du j-yarn-session fichier .properties de Flink log4.

flink-log4j-cli

Modifiez les paramètres de propriétés Flink log4j-cli.

hadoop-env

Modifiez les valeurs dans l'environnement Hadoop pour tous les composants Hadoop.

hadoop-log4j

Modifiez les valeurs dans le fichier log4j.properties de Hadoop.

hadoop-ssl-server

Modifier la configuration du serveur ssl hadoop

hadoop-ssl-client

Modifier la configuration du client ssl hadoop

hbase

Paramètres EMR sélectionnés par Amazon pour Apache. HBase

hbase-env

Changez les valeurs dans HBase l'environnement.

hbase-log4j

Modifiez les valeurs dans le fichier HBase hbase-log4j.properties.

hbase-metrics

Modifiez les valeurs dans le fichier HBase hadoop-metrics2-hbase.properties.

hbase-policy

Modifiez les valeurs dans HBase le fichier hbase-policy.xml.

hbase-site

Modifiez les valeurs dans HBase le fichier hbase-site.xml.

hdfs-encryption-zones

Configurez les zones de HDFS chiffrement.

hdfs-site

Modifiez les valeurs dans HDFS le fichier hdfs-site.xml.

hcatalog-env

Changez les valeurs dans HCatalog l'environnement.

hcatalog-server-jndi

Modifiez les valeurs dans le fichier HCatalog jndi.properties.

hcatalog-server-proto-hive-site

Modifiez les valeurs dans le HCatalog proto-hive-site fichier .xml.

hcatalog-webhcat-env

Modifiez les valeurs dans ebHCat l'environnement de HCatalog W.

hcatalog-webhcat-log4j2

Modifiez les valeurs dans le fichier ebHCat log4j2.properties de HCatalog W.

hcatalog-webhcat-site

Modifiez les valeurs dans ebHCat le fichier webhcat-site.xml de HCatalog W.

hive-beeline-log4j2

Modifiez les valeurs dans le fichier beeline-log4j2.properties de Hive.

hive-parquet-logging

Modifiez les valeurs dans le fichier parquet-logging.properties de Hive.

hive-env

Modifiez les valeurs dans l'environnement Hive.

hive-exec-log4j2

Modifiez les valeurs dans le fichier hive-exec-log 4j2.properties de Hive.

hive-llap-daemon-log4j2

Modifiez les valeurs dans le fichier llap-daemon-log 4j2.properties de Hive.

hive-log4j2

Modifiez les valeurs dans le fichier hive-log4j2.properties de Hive.

hive-site

Modifiez les valeurs dans le fichier hive-site.xml de Hive

hiveserver2-site

Modifiez les valeurs dans le fichier hiveserver2-site.xml de Hive Server2

hue-ini

Modifiez les valeurs dans le fichier ini de Hue

httpfs-env

Modifiez les valeurs dans l'HTTPFSenvironnement.

httpfs-site

Modifiez les valeurs dans le fichier httpfs-site.xml de Hadoop.

hadoop-kms-acls

Modifiez les valeurs dans le fichier kms-acls.xml de Hadoop.

hadoop-kms-env

Modifiez les valeurs dans l'environnement Hadoop. KMS

hadoop-kms-log4j

Modifiez les valeurs dans le fichier kms-log4j.properties de Hadoop.

hadoop-kms-site

Modifiez les valeurs dans le fichier kms-site.xml de Hadoop.

jupyter-notebook-conf

Modifiez les valeurs dans le fichier jupyter_notebook_config.py de Jupyter Notebook.

jupyter-hub-conf

Modifiez les valeurs dans JupyterHubs le fichier jupyterhub_config.py.

jupyter-s3-conf

Configuration de la persistance S3 de bloc-notes Jupyter.

jupyter-sparkmagic-conf

Modifiez les valeurs dans le fichier config.json de Sparkmagic.

livy-conf

Modifiez les valeurs dans le fichier livy.conf de Livy.

livy-env

Modifiez les valeurs dans l'environnement Livy.

livy-log4j

Modifiez les paramètres Livy log4j.properties.

mapred-env

Modifiez les valeurs dans l'environnement de l' MapReduce application.

mapred-site

Modifiez les valeurs dans le fichier mapred-site.xml de l' MapReduce application.

oozie-env

Modifiez les valeurs dans l'environnement d'Oozie.

oozie-log4j

Modifier les valeurs dans le fichier oozie-log4j.properties d'Oozie.

oozie-site

Modifiez les valeurs dans le fichier oozie-site.xml d'Oozie.

phoenix-hbase-metrics

Modifiez les valeurs dans le fichier hadoop-metrics2-hbase.properties de Phoenix.

phoenix-hbase-site

Modifiez les valeurs dans le fichier hbase-site.xml de Phoenix.

phoenix-log4j

Modifiez les valeurs dans le fichier log4j.properties de Phoenix.

phoenix-metrics

Modifiez les valeurs dans le fichier hadoop-metrics2-phoenix.properties de Phoenix.

pig-env

Modifiez les valeurs dans l'environnement Pig.

pig-properties

Modifiez les valeurs dans le fichier pig.properties de Pig.

pig-log4j

Modifiez les valeurs dans le fichier log4j.properties de Pig.

presto-log

Modifiez les valeurs dans le fichier log.properties de Presto.

presto-config

Modifiez les valeurs dans le fichier config.properties de Presto.

presto-password-authenticator

Modifiez les valeurs dans le fichier password-authenticator.properties de Presto.

presto-env

Modifiez les valeurs dans le fichier presto-env.sh de Presto.

presto-node

Modifiez les valeurs dans le fichier node.properties de Presto.

presto-connector-blackhole

Modifiez les valeurs dans le fichier blackhole.properties de Presto.

presto-connector-cassandra

Modifiez les valeurs dans le fichier cassandra.properties de Presto.

presto-connector-hive

Modifiez les valeurs dans le fichier hive.properties de Presto.

presto-connector-jmx

Modifiez les valeurs dans le fichier jmx.properties de Presto.

presto-connector-kafka

Modifiez les valeurs dans le fichier kafka.properties de Presto.

presto-connector-localfile

Modifiez les valeurs dans le fichier localfile.properties de Presto.

presto-connector-memory

Modifiez les valeurs dans le fichier memory.properties de Presto.

presto-connector-mongodb

Modifiez les valeurs dans le fichier mongodb.properties de Presto.

presto-connector-mysql

Modifiez les valeurs dans le fichier mysql.properties de Presto.

presto-connector-postgresql

Modifiez les valeurs dans le fichier postgresql.properties de Presto.

presto-connector-raptor

Modifiez les valeurs dans le fichier raptor.properties de Presto.

presto-connector-redis

Modifiez les valeurs dans le fichier redis.properties de Presto.

presto-connector-redshift

Modifiez les valeurs dans le fichier redshift.properties de Presto.

presto-connector-tpch

Modifiez les valeurs dans le fichier tpch.properties de Presto.

presto-connector-tpcds

Modifiez les valeurs dans le fichier tpcds.properties de Presto.

recordserver-env

Modifiez les valeurs dans l'EMR RecordServer environnement.

recordserver-conf

Modifiez les valeurs dans le EMR RecordServer fichier erver.properties.

recordserver-log4j

Modifiez les valeurs dans le EMR RecordServer fichier log4j.properties.

spark

Paramètres EMR sélectionnés par Amazon pour Apache Spark.

spark-defaults

Modifiez les valeurs dans le fichier spark-defaults.conf de Spark.

spark-env

Modifiez les valeurs dans l'environnement Spark.

spark-hive-site

Modifiez les valeurs dans le fichier hive-site.xml de Spark

spark-log4j

Modifiez les valeurs dans le fichier log4j.properties de Spark.

spark-metrics

Modifiez les valeurs dans le fichier metrics.properties de Spark.

sqoop-env

Modifiez les valeurs d'environnement Sqoop.

sqoop-oraoop-site

Modifiez les valeurs dans le fichier oraoop-site.xml de OraOop Sqoop.

sqoop-site

Modifiez les valeurs dans le fichier sqoop-site.xml de Sqoop.

tez-site

Modifiez les valeurs dans le fichier tez-site.xml de Tez.

yarn-env

Modifiez les valeurs dans l'YARNenvironnement.

yarn-site

Modifiez les valeurs dans YARN le fichier yarn-site.xml.

zeppelin-env

Modifiez les valeurs dans l'environnement Zeppelin.

zookeeper-config

Modifiez les valeurs dans ZooKeeper le fichier zoo.cfg.

zookeeper-log4j

Modifiez les valeurs dans le ZooKeeper fichier log4j.properties.