Apache Spark
Apache Spark
De manière native, Spark prend en charge les applications écrites en Scala, python ou Java. Spark inclut également plusieurs bibliothèques étroitement intégrées pour SQL (Spark SQL
Vous pouvez installer Spark sur un cluster Amazon EMR avec d'autres applications Hadoop. Cette solution peut également exploiter le système de fichiers EMR (EMRFS) pour accéder directement aux données dans Amazon S3. Hive s'intègre aussi à Spark afin que vous puissiez utiliser un objet HiveContext pour exécuter des scripts Hive à l'aide de Spark. Un contexte Hive est inclus dans le shell de Spark en tant que sqlContext
.
Pour un exemple de tutoriel sur la configuration d'un cluster EMR avec Spark et l'analyse d'un échantillon de données, consultez Tutorial: Getting started with Amazon EMR sur le blog AWS News.
Important
Apache Spark version 2.3.1, disponible à partir de la version 5.16.0 d'Amazon EMR, corrige CVE-2018-8024
Le tableau suivant répertorie la version de Spark incluse dans la dernière version d'Amazon EMR série 6.x, ainsi que les composants qu'Amazon EMR installe avec Spark.
Pour connaître la version des composants installés avec Spark dans cette version, consultez les versions des composants de la version 6.14.0.
Informations sur la version de Spark pour emr-6.14.0 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Étiquette de version Amazon EMR | Version de Spark | Composants installés avec Spark | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
emr-6.14.0 |
Spark 3.4.1 |
aws-sagemaker-spark-sdk, delta, emrfs, emr-goodies, emr-ddb, emr-s3-select, hadoop-client, hadoop-hdfs-datanode, hadoop-hdfs-library, hadoop-hdfs-namenode, hadoop-httpfs-server, hadoop-kms-server, hadoop-yarn-nodemanager, hadoop-yarn-resourcemanager, hadoop-yarn-timeline-server, hudi, hudi-spark, iceberg, livy-server, nginx, r, spark-client, spark-history-server, spark-on-yarn, spark-yarn-slave |
Note
La version 6.8.0 d'Amazon EMR est fournie avec la version 3.3.0 d'Apache Spark. Cette version de Spark utilise Apache Log4j 2 et le fichier log4j2.properties
pour configurer Log4j dans les processus Spark. Si vous utilisez Spark dans le cluster ou si vous créez des clusters EMR avec des paramètres de configuration personnalisés, et que vous voulez passer à la version 6.8.0 d'Amazon EMR, vous devez migrer vers la nouvelle classification de configuration spark-log4j2
et le nouveau format de clé pour Apache Log4j 2. Pour de plus amples informations, veuillez consulter Migration d'Apache Log4j 1.x vers Log4j 2.x.
Le tableau suivant répertorie la version de Spark incluse dans la dernière version d'Amazon EMR série 5.x, ainsi que les composants qu'Amazon EMR installe avec Spark.
Pour connaître la version des composants installés avec Spark dans cette version, consultez les versions des composants de la version 6.14.0.
Informations sur la version de Spark pour emr-5.36.1 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Étiquette de version Amazon EMR | Version de Spark | Composants installés avec Spark | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
emr-5.36.1 |
Spark 2.4.8 |
aws-sagemaker-spark-sdk, emrfs, emr-goodies, emr-ddb, emr-s3-select, hadoop-client, hadoop-hdfs-datanode, hadoop-hdfs-library, hadoop-hdfs-namenode, hadoop-httpfs-server, hadoop-kms-server, hadoop-yarn-nodemanager, hadoop-yarn-resourcemanager, hadoop-yarn-timeline-server, hudi, hudi-spark, livy-server, nginx, r, spark-client, spark-history-server, spark-on-yarn, spark-yarn-slave |
Rubriques
- Création d'un cluster à l'aide de Spark
- Exécutez des applications Spark avec Docker à l'aide d'Amazon EMR 6.x
- Utiliser le catalogue de données AWS Glue comme métastore pour Spark SQL
- Configuration de Spark
- Optimisation des performances de Spark
- Mise en cache des fragments de résultats Spark
- Utilisez l'accélérateur Nvidia Spark-rapids pour Spark
- Accès au shell de Spark
- Utilisation d'Amazon SageMaker Spark pour le machine learning
- Ecriture d'une application Spark
- Améliorer les performances de Spark avec Amazon S3
- Ajout d'une étape Spark
- Afficher l'historique de l'application Spark
- Accès aux interfaces utilisateur web de Spark
- Utilisation de l'intégration d'Amazon Redshift pour Apache Spark avec Amazon EMR
- Historique des versions de Spark