Rilascio 4.3.0 di Amazon EMR

PDFRSS

Versioni dell'applicazione 4.3.0

Questa versione include le seguenti applicazioni: Ganglia, Hadoop, Hive, Hue, Mahout, Oozie-Sandbox, Pig, Presto-Sandbox, Spark, e Zeppelin-Sandbox.

La seguente tabella elenca le versioni dell'applicazione disponibili in questo rilascio di Amazon EMR e quelle nei precedenti tre rilasci di Amazon EMR (quando applicabile).

Per la cronologia completa delle versioni dell'applicazione di ogni rilascio di Amazon EMR, fai riferimento ai seguenti argomenti:

• Versioni dell'applicazione nei rilasci di Amazon EMR 7.x

• Versioni dell'applicazione nei rilasci di Amazon EMR 6.x

• Versioni dell'applicazione nei rilasci di Amazon EMR 5.x

• Versioni dell'applicazione nei rilasci di Amazon EMR 4.x

Informazioni sulla versione dell'applicazione

	emr-4.3.0	emr-4.2.0	emr-4.1.0	emr-4.0.0
AWS SDK per Java	1.10.27	1,10,27	Non monitorato	Non monitorato
Python	Non monitorato	Non monitorato	Non monitorato	Non monitorato
Scala	Non monitorato	Non monitorato	Non monitorato	Non monitorato
AmazonCloudWatchAgent	-	-	-	-
Delta	-	-	-	-
Flink	-	-	-	-
Ganglia	3.7.2	3.6.0	-	-
HBase	-	-	-	-
HCatalog	-	-	-	-
Hadoop	2.7.1	2.6.0	2.6.0	2.6.0
Hive	1.0.0	1.0.0	1.0.0	1.0.0
Hudi	-	-	-	-
Hue	3.7.1	3.7.1	3.7.1	-
Iceberg	-	-	-	-
JupyterEnterpriseGateway	-	-	-	-
JupyterHub	-	-	-	-
Livy	-	-	-	-
MXNet	-	-	-	-
Mahout	0.11.0	0.11.0	0.11.0	0.10.0
Oozie	-	-	-	-
Oozie-Sandbox	4.2.0	4.2.0	4.0.1	-
Phoenix	-	-	-	-
Pig	0,14,0	0,14,0	0,14,0	0,14,0
Presto	-	-	-	-
Presto-Sandbox	0.130	0.125	0.119	-
Spark	1.6.0	1.5.2	1.5.0	1.4.1
Sqoop	-	-	-	-
Sqoop-Sandbox	-	-	-	-
TensorFlow	-	-	-	-
Tez	-	-	-	-
Trino (PrestoSQL)	-	-	-	-
Zeppelin	-	-	-	-
Zeppelin-Sandbox	0.5.5	0,5,5	0.6.0-SNAPSHOT	-
ZooKeeper	-	-	-	-
ZooKeeper-Sabbiera	-	-	-	-

Note di rilascio della versione 4.3.0

Le seguenti note di rilascio includono informazioni per il rilascio di Amazon EMR 4.3.0.

Data del rilascio: 19 gennaio 2016

Funzionalità

• Aggiornato a Hadoop 2.7.1

• Aggiornato a Spark 1.6.0

• Aggiornato Ganglia a 3.7.2

• Aggiornato Presto a 0.130

• Amazon EMR ha effettuato alcune modifiche a spark.dynamicAllocation.enabled quando è impostato su true (vero); è false (falso) per impostazione predefinita. Quando è impostato su true, interessa i valori predefiniti definiti dall'impostazione maximizeResourceAllocation:

  • Se spark.dynamicAllocation.enabled è impostato su true, spark.executor.instances non è impostato da maximizeResourceAllocation.

  • L'impostazione spark.driver.memory ora è configurata in base ai tipi di istanza nel cluster in modo simile a come è impostato spark.executors.memory. Tuttavia, dato che l'applicazione del driver di Spark potrebbe essere eseguita o sull'istanza master o su una delle istanze core (ad esempio, nelle modalità client YARN e cluster, rispettivamente), l'impostazione spark.driver.memory è definita in base al tipo di istanza del tipo di istanza più piccola tra questi due gruppi di istanze.

  • L'impostazione spark.default.parallelism è ora definita al doppio dei core CPU disponibili per i container YARN. Nei rilasci precedenti, era la metà del valore.

  • I calcoli per il sovraccarico della memoria allocata ai processi YARN di Spark sono stati modificati per essere più precisi, generando un piccolo aumento della quantità di memoria disponibile per Spark (ossia, spark.executor.memory).

Problemi noti risolti dai rilasci precedenti

• L'aggregazione dei log YARN ora è abilitata per impostazione predefinita.

• Risolto un problema in cui i log non venivano inviati al bucket di log Amazon S3 del cluster quando l'aggregazione dei log YARN era abilitata.

• Le dimensioni del container YARN ora sono di un minimo di 32 su tutti i tipi di nodo.

• È stato risolto un problema con Ganglia che provocava un I/O su disco eccessivo sul nodo primario nei cluster di grandi dimensioni.

• Risolto un problema che evitava che i log delle applicazioni venissero trasmessi ad Amazon S3 quando un cluster veniva disattivato.

• Risolto un problema in EMRFS CLI che faceva sì che alcuni comandi restituissero errori.

• È stato risolto un problema con Zeppelin che impediva il caricamento delle dipendenze nel file sottostante. SparkContext

• Risolto un problema causato dall'emissione di un tentativo di ridimensionamento per aggiungere le istanze.

• Risolto un problema in Hive dove CREATE TABLE AS SELECT effettua troppe chiamate dell'elenco su Amazon S3.

• Risolto un problema in cui i cluster di grandi dimensioni non effettuano correttamente il provisioning quando sono istallati Hue, Oozie e Ganglia.

• Risolto un problema in s3-dist-cp dove avrebbe restituito un codice di uscita diverso zero se avesse restituito un errore.

Versioni dei componenti 4.3.0

I componenti che Amazon EMR installa con questo rilascio sono elencati di seguito. Alcuni sono installati come parte di pacchetti di applicazione dei big data. Altri sono specifici per Amazon EMR e installati per processi e caratteristiche del sistema. Questi solitamente iniziano con emr o aws. I pacchetti di applicazione sui Big data del rilascio di Amazon EMR più recente sono di solito le versioni più recenti reperibili nella community. Mettiamo a disposizione i rilasci della community in Amazon EMR il più rapidamente possibile.

Alcuni componenti in Amazon EMR differiscono dalle versioni della community. Tali componenti hanno un'etichetta che indica la versione nel modulo CommunityVersion-amzn-EmrVersion. EmrVersion inizia da 0. Ad esempio, se un componente della community open source denominato myapp-component con versione 2.2 è stato modificato tre volte per essere incluso in rilasci diversi di Amazon EMR, tale versione di rilascio si presenta come 2.2-amzn-2.

Componente	Versione	Descrizione
emr-ddb	3.0.0	Connettore di Amazon DynamoDB per le applicazioni dell'ecosistema Hadoop.
emr-goodies	2.0.0	Librerie utili per l'ecosistema Hadoop.
emr-kinesis	3.1.0	Connettore di Amazon Kinesis per le applicazioni dell'ecosistema Hadoop.
emr-s3-dist-cp	2.1.0	Applicazione di copia distribuita ottimizzata per Amazon S3.
emrfs	2.3.0	Connettore di Amazon S3 per le applicazioni dell'ecosistema Hadoop.
ganglia-monitor	3.7.2	Agente Ganglia integrato per le applicazioni dell'ecosistema Hadoop con l'agente di monitoraggio Ganglia.
ganglia-metadata-collector	3.7.2	Raccoglitore di metadati Ganglia per l'aggregazione di parametri degli agenti di monitoraggio Ganglia.
ganglia-web	3.7.1	Applicazione Web per la visualizzazione di parametri raccolti dal raccoglitore di metadati Ganglia.
hadoop-client	2.7.1-amzn-0	Client di riga di comando Hadoop, ad esempio "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode	2.7.1-amzn-0	Servizio a livello di nodo HDFS per lo storage di blocchi.
hadoop-hdfs-library	2.7.1-amzn-0	Libreria e client di riga di comando HDFS
hadoop-hdfs-namenode	2.7.1-amzn-0	Servizio HDFS per tenere traccia dei nomi di file e delle posizioni dei blocchi.
hadoop-httpfs-server	2.7.1-amzn-0	Endpoint HTTP per le operazioni HDFS.
hadoop-kms-server	2.7.1-amzn-0	Server di gestione delle chiavi crittografiche basato sull'API di Hadoop. KeyProvider
hadoop-mapred	2.7.1-amzn-0	MapReduce librerie di motori di esecuzione per l'esecuzione di un'applicazione. MapReduce
hadoop-yarn-nodemanager	2.7.1-amzn-0	Servizio YARN per la gestione di container su un singolo nodo.
hadoop-yarn-resourcemanager	2.7.1-amzn-0	Servizio YARN per l'allocazione e la gestione delle risorse di cluster e delle applicazioni distribuite.
hive-client	1.0.0-amzn-2	Client a riga di comando Hive.
hive-metastore-server	1.0.0-amzn-2	Servizio per l'accesso al metastore Hive, un repository semantico per lo storage di metadati per SQL sulle operazioni Hadoop.
hive-server	1.0.0-amzn-2	Servizio per l'accettazione di query Hive come richieste Web.
hue-server	3.7.1-amzn-5	Applicazione Web per l'analisi di dati mediante le applicazioni dell'ecosistema Hadoop
mahout-client	0.11.0	Librerie per Machine Learning.
mysql-server	5.5	Server di database MySQL.
oozie-client	4.2.0	Client a riga di comando Oozie.
oozie-server	4.2.0	Servizio per l'accettazione delle richieste di flusso di lavoro Oozie.
presto-coordinator	0.130	Servizio per l'accettazione di query e la gestione dell'esecuzione di query di componenti presto-worker.
presto-worker	0.130	Servizio per l'esecuzione di parti di una query.
pig-client	0.14.0-amzn-0	Client a riga di comando Pig.
spark-client	1.6.0	Client a riga di comando Spark.
spark-history-server	1.6.0	Interfaccia utente Web per la visualizzazione di eventi registrati per la durata di un'applicazione Spark completata.
spark-on-yarn	1.6.0	Motore di esecuzione in memoria per YARN.
spark-yarn-slave	1.6.0	Librerie Apache Spark necessarie per gli slave YARN.
webserver	2.4	Server Apache HTTP.
zeppelin-server	0.5.5-incubating-amzn-1	Notebook basato sul Web che consente l'analisi di dati interattiva.

classificazioni di configurazione 4.3.0

Le classificazioni di configurazione consentono di personalizzare le applicazioni. Esse corrispondono spesso a un file XML di configurazione per l'applicazione, ad esempio hive-site.xml. Per ulteriori informazioni, consulta Configurazione delle applicazioni.

Classificazioni emr-4.3.0

Classificazioni	Descrizione
capacity-scheduler	Modifica i valori nel file capacity-scheduler.xml di Hadoop.
core-site	Modifica i valori nel file core-site.xml di Hadoop.
emrfs-site	Modifica le impostazioni EMRFS.
hadoop-env	Modifica i valori nell'ambiente Hadoop per tutti i componenti Hadoop.
hadoop-log4j	Modifica i valori nel file log4j.properties di Hadoop.
hdfs-encryption-zones	Configura le zone di crittografia HDFS.
hdfs-site	Modifica i valori nel file hdfs-site.xml di HDFS.
hive-env	Modifica i valori nell'ambiente Hive.
hive-exec-log4j	Modifica i valori nel file 4j.properties di Hive. hive-exec-log
hive-log4j	Modifica i valori nel file hive-log4j.properties di Hive.
hive-site	Modifica i valori nel file hive-site.xml di Hive
hue-ini	Modifica i valori nel file ini di Hue
httpfs-env	Modifica i valori nell'ambiente HTTPFS.
httpfs-site	Modifica i valori nel file httpfs-site.xml di Hadoop.
hadoop-kms-acls	Modifica i valori nel file kms-acls.xml di Hadoop.
hadoop-kms-env	Modifica i valori nell'ambiente Hadoop KMS.
hadoop-kms-log4j	Modifica i valori nel file kms-log4j.properties di Hadoop.
hadoop-kms-site	Modifica i valori nel file kms-site.xml di Hadoop.
mapred-env	Modifica i valori nell'ambiente dell'applicazione. MapReduce
mapred-site	Modificate i valori nel file mapred-site.xml dell' MapReduce applicazione.
oozie-env	Modifica i valori nell'ambiente di Oozie.
oozie-log4j	Modifica i valori nel file oozie-log4j.properties di Oozie.
oozie-site	Modifica i valori nel file oozie-site.xml di Oozie.
pig-properties	Modifica i valori nel file pig.properties di Pig.
pig-log4j	Modifica i valori nel file log4j.properties di Pig.
presto-log	Modifica i valori nel file log.properties di Presto.
presto-config	Modifica i valori nel file config.properties di Presto.
presto-connector-hive	Modifica i valori nel file hive.properties di Presto.
spark	Impostazioni Amazon EMR per Apache Spark.
spark-defaults	Modifica i valori nel file spark-defaults.conf di Spark.
spark-env	Modifica i valori nell'ambiente Spark.
spark-log4j	Modifica i valori nel file log4j.properties di Spark.
spark-metrics	Modifica i valori nel file metrics.properties di Spark.
yarn-env	Modifica i valori nell'ambiente YARN.
yarn-site	Modifica i valori nel file yarn-site.xml di YARN.
zeppelin-env	Modifica i valori nell'ambiente Zeppelin.