Appelez Amazon EMR avec Step Functions

Step Functions peut contrôler certains AWS services directement depuis Amazon States Language (ASL). Pour en savoir plus, consultez Utilisation avec d'autres services et Transmettre des paramètres à une API de service.

En quoi l'intégration optimisée d'Amazon EMR est différente de l'intégration du SDK Amazon EMR AWS

L'intégration optimisée du service Amazon EMR comprend un ensemble personnalisé d'API qui englobe les API Amazon EMR sous-jacentes, décrites ci-dessous. De ce fait, elle est très différente de l'intégration du service Amazon EMR AWS SDK. De plus, le modèle Exécuter une tâche (.sync) d'intégration est pris en charge.

Pour intégrer AWS Step Functions Amazon EMR, vous utilisez les API d'intégration du service Amazon EMR fournies. Les API d'intégration de services sont similaires aux API Amazon EMR correspondantes, avec quelques différences dans les champs transmis et dans les réponses renvoyées.

Step Functions ne met pas automatiquement fin à un cluster Amazon EMR si l'exécution est arrêtée. Si votre machine d'état s'arrête avant la fin de votre cluster Amazon EMR, celui-ci peut continuer à fonctionner indéfiniment et entraîner des frais supplémentaires. Pour éviter cela, assurez-vous que tout cluster Amazon EMR que vous créez est correctement résilié. Pour plus d’informations, consultez :

• Contrôlez la résiliation du cluster dans le guide de l'utilisateur Amazon EMR.

• La Exécuter une tâche (.sync) section Modèles d'intégration des services.

Note

À partir deemr-5.28.0, vous pouvez spécifier le paramètre StepConcurrencyLevel lors de la création d'un cluster pour permettre à plusieurs étapes de s'exécuter en parallèle sur un seul cluster. Vous pouvez utiliser les Step Functions Map et Parallel les états pour soumettre des travaux en parallèle au cluster.

La disponibilité de l'intégration du service Amazon EMR dépend de la disponibilité des API Amazon EMR. Consultez la documentation Amazon EMR pour connaître les restrictions applicables dans certaines régions.

Note

Pour l'intégration à Amazon EMR, Step Functions dispose d'une fréquence d'interrogation des offres d'emploi codée en dur de 60 secondes pendant les 10 premières minutes, puis de 300 secondes par la suite.

Le tableau suivant décrit les différences entre chaque API d'intégration de services et l'API Amazon EMR correspondante.

API d'intégration du service Amazon EMR et API Amazon EMR correspondantes
API d'intégration du service Amazon EMR	API EMR correspondante	Différences
createCluster Crée et démarre l'exécution d'un cluster (flux de travail). Amazon EMR est directement lié à un type unique de rôle IAM connu sous le nom de rôle lié à un service. Pour que createCluster et createCluster.sync fonctionnent, vous devez avoir configuré les autorisations nécessaires pour créer le rôle lié au service AWSServiceRoleForEMRCleanup. Pour plus d'informations à ce sujet, y compris une déclaration que vous pouvez ajouter à votre politique d'autorisations IAM, consultez Utilisation du rôle lié à un service pour Amazon EMR.	runJobFlow	createClusterutilise la même syntaxe de demande que runJobFlow, à l'exception de ce qui suit : Le champ Instances.KeepJobFlowAliveWhenNoSteps est obligatoire et doit avoir la valeur booléenne TRUE. Le champ Steps n'est pas autorisé. Le champ Instances.InstanceFleets[index].Name doit être fourni et doit être unique si l'API de connecteur modifyInstanceFleetByName facultative est utilisée. Le champ Instances.InstanceGroups[index].Name doit être fourni et doit être unique si l'API facultative modifyInstanceGroupByName est utilisée. La réponse est la suivante : { "ClusterId": "string" } Amazon EMR utilise ceci : { "JobFlowId": "string" }
createCluster.sync Crée et démarre l'exécution d'un cluster (flux de travail).	runJobFlow	Le même que createCluster, mais attend que le cluster atteigne l'état WAITING.
setClusterTerminationProtection Verrouille un cluster (flux de travail) afin que les instances EC2 du cluster ne puissent pas être arrêtées par l'intervention de l'utilisateur, un appel d'API ou une erreur de flux de travail.	setTerminationProtection	La demande utilise ceci : { "ClusterId": "string" } Amazon EMR utilise ceci : { "JobFlowIds": ["string"] }
terminateCluster Arrête un cluster (flux de travail).	terminateJobFlows	La demande utilise ceci : { "ClusterId": "string" } Amazon EMR utilise ceci : { "JobFlowIds": ["string"] }
terminateCluster.sync Arrête un cluster (flux de travail).	terminateJobFlows	Identique à terminateCluster, mais attend que le cluster ait terminé.
addStep Ajoute une nouvelle étape à un cluster en cours d'exécution. Facultativement, vous pouvez également spécifier le ExecutionRoleArn paramètre lors de l'utilisation de cette API.	addJobFlowÉtapes	La demande utilise la clé"ClusterId". Amazon EMR utilise. "JobFlowId" La demande utilise une seule étape. { "Step": <"StepConfig object"> } Amazon EMR utilise ceci : { "Steps": [<StepConfig objects>] } La réponse est la suivante : { "StepId": "string" } Amazon EMR renvoie ce qui suit : { "StepIds": [<strings>] }
addStep.sync Ajoute une nouvelle étape à un cluster en cours d'exécution. Facultativement, vous pouvez également spécifier le ExecutionRoleArn paramètre lors de l'utilisation de cette API.	addJobFlowÉtapes	Identique à addStep, mais attend que l'étape se termine.
cancelStep Annule une étape en attente dans un cluster en cours d'exécution	cancelSteps	La demande utilise ceci : { "StepId": "string" } Amazon EMR utilise ceci : { "StepIds": [<strings>] } La réponse est la suivante : { "CancelStepsInfo": <CancelStepsInfo object> } Amazon EMR utilise ceci : { "CancelStepsInfoList": [<CancelStepsInfo objects>] }
modifyInstanceFleetByName Modifie les capacités d'instances à la demande et d'instances ponctuelles cibles pour le parc d'instances avec l'InstanceFleetName spécifié.	modifyInstanceFleet	La demande est la même que pour modifyInstanceFleet, sauf pour ce qui suit : Le champ Instance.InstanceFleetId n'est pas autorisé. Lors de l'exécution, le InstanceFleetId est déterminé automatiquement par l'intégration du service en appelant ListInstanceFleets et en analysant le résultat.
modifyInstanceGroupByName Modifie le nombre de nœuds et de paramètres de configuration d'un groupe d'instances.	modifyInstanceGroups	La demande est la suivante : { "ClusterId": "string", "InstanceGroup": <InstanceGroupModifyConfig object> } Amazon EMR utilise une liste : { "ClusterId": ["string"], "InstanceGroups": [<InstanceGroupModifyConfig objects>] } Dans l'objet InstanceGroupModifyConfig, le champ InstanceGroupId n'est pas autorisé. Un nouveau champ, InstanceGroupName, a été ajouté. Lors de l'exécution, le InstanceGroupId est déterminé automatiquement par l'intégration du service en appelant ListInstanceGroups et en analysant le résultat.

L'exemple suivant inclut un état Task qui crée un cluster.

"Create_Cluster": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:createCluster.sync",
    "Parameters": {
        "Name": "MyWorkflowCluster",
        "VisibleToAllUsers": true,
        "ReleaseLabel": "emr-5.28.0",
        "Applications": [
            {
                "Name": "Hive"
            }
        ],
        "ServiceRole": "EMR_DefaultRole",
        "JobFlowRole": "EMR_EC2_DefaultRole",
        "LogUri": "s3n://aws-logs-123456789012-us-east-1/elasticmapreduce/",
        "Instances": {
            "KeepJobFlowAliveWhenNoSteps": true,
            "InstanceFleets": [
                {
                    "InstanceFleetType": "MASTER",
                    "Name": "MASTER",   
                    "TargetOnDemandCapacity": 1,
                    "InstanceTypeConfigs": [
                        {
                            "InstanceType": "m4.xlarge"
                        }
                    ]
                },
                {
                    "InstanceFleetType": "CORE",
                    "Name": "CORE",
                    "TargetOnDemandCapacity": 1,
                    "InstanceTypeConfigs": [
                        {
                            "InstanceType": "m4.xlarge"
                        }
                    ]
                }
            ]
        }
    },
    "End": true
}

Ce qui suit inclut un état Task qui permet la protection contre la résiliation.

"Enable_Termination_Protection": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:setClusterTerminationProtection",
    "Parameters": {
        "ClusterId.$": "$.ClusterId",
        "TerminationProtected": true
    },
    "End": true
}

Ce qui suit inclut un état Task qui soumet une étape à un cluster.

"Step_One": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:addStep.sync",
    "Parameters": {
        "ClusterId.$": "$.ClusterId",
        "ExecutionRoleArn": "arn:aws:iam::123456789012:role/myEMR-execution-role",
        "Step": {
            "Name": "The first step",
            "ActionOnFailure": "CONTINUE",
            "HadoopJarStep": {
                "Jar": "command-runner.jar",
                "Args": [
                    "hive-script",
                    "--run-hive-script",
                    "--args",
                    "-f",
                    "s3://<region>.elasticmapreduce.samples/cloudfront/code/Hive_CloudFront.q",
                    "-d",
                    "INPUT=s3://<region>.elasticmapreduce.samples",
                    "-d",
                    "OUTPUT=s3://<mybucket>/MyHiveQueryResults/"
                ]
            }
        }
    },
    "End": true
}

Ce qui suit inclut un état Task qui annule une étape.

"Cancel_Step_One": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:cancelStep",
    "Parameters": {
        "ClusterId.$": "$.ClusterId",
        "StepId.$": "$.AddStepsResult.StepId"
    },
    "End": true
}

Ce qui suit inclut un état Task qui met fin à un cluster.

"Terminate_Cluster": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:terminateCluster.sync",
    "Parameters": {
        "ClusterId.$": "$.ClusterId"
    },
    "End": true
}

Ce qui suit inclut un état Task qui met à l'échelle un cluster vers le haut ou vers le bas pour un groupe d'instances.

"ModifyInstanceGroupByName": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:modifyInstanceGroupByName",
    "Parameters": {
        "ClusterId": "j-1234567890123",
        "InstanceGroupName": "MyCoreGroup",
        "InstanceGroup": {
            "InstanceCount": 8
        }
    },
    "End": true
}

Ce qui suit inclut un état Task qui met à l'échelle un cluster vers le haut ou vers le bas pour une flotte d'instances.

"ModifyInstanceFleetByName": {
    "Type": "Task",
    "Resource": "arn:aws:states:::elasticmapreduce:modifyInstanceFleetByName",
    "Parameters": {
        "ClusterId": "j-1234567890123",
        "InstanceFleetName": "MyCoreFleet",
        "InstanceFleet": {
            "TargetOnDemandCapacity": 8,
            "TargetSpotCapacity": 0
        }
    },
    "End": true
}

Pour plus d'informations sur la configuration IAM des autorisations lors de l'utilisation Step Functions avec d'autres AWS services, consultezPolitiques IAM pour les services intégrés.