6.0.0 应用程序版本 6.0.0 发布说明 6.0.0 组件版本 6.0.0 配置分类

亚马逊EMR版本 6.0.0

6.0.0 应用程序版本

此版本支持以下应用程序：Ganglia, HBase, HCatalog, Hadoop, Hive, Hudi, Hue, JupyterHub, Livy, MXNet, Oozie, Phoenix, Presto, Spark, TensorFlow, Tez, Zeppelin 和 ZooKeeper.

下表列出了此版本的 Amazon 中可用的应用程序版本EMR和前三个亚马逊版本中的应用程序EMR版本（如果适用）。

要全面了解每个 Amazon 版本的应用程序版本历史记录EMR，请参阅以下主题：

应用程序版本信息
	emr-6.1.1	emr-6.1.0	emr-6.0.1	emr-6.0.0
AWS SDK适用于 Java	1.11.828	1.11.828	1.11.711	1.11.711
Python	2.7、3.7	2.7、3.7	2.7、3.7	2.7、3.7
Scala	2.12.10	2.12.10	2.12.10	2.11.12
AmazonCloudWatchAgent	-	-	-	-
Delta	-	-	-	-
Flink	1.11.0	1.11.0	-	-
Ganglia	3.7.2	3.7.2	3.7.2	3.7.2
HBase	2.2.5	2.2.5	2.2.3	2.2.3
HCatalog	3.1.2	3.1.2	3.1.2	3.1.2
Hadoop	3.2.1	3.2.1	3.2.1	3.2.1
Hive	3.1.2	3.1.2	3.1.2	3.1.2
Hudi	0.5.2-incubating-amzn-2	0.5.2-incubating-amzn-2	0.5.0-incubating-amzn-1	0.5.0-incubating-amzn-1
Hue	4.7.1	4.7.1	4.4.0	4.4.0
Iceberg	-	-	-	-
JupyterEnterpriseGateway	-	-	-	-
JupyterHub	1.1.0	1.1.0	1.0.0	1.0.0
Livy	0.7.0	0.7.0	0.6.0	0.6.0
MXNet	1.6.0	1.6.0	1.5.1	1.5.1
Mahout	-	-	-	-
Oozie	5.2.0	5.2.0	5.1.0	5.1.0
Phoenix	5.0.0	5.0.0	5.0.0	5.0.0
Pig	0.17.0	0.17.0	-	-
Presto	0.232	0.232	0.230	0.230
Spark	3.0.0	3.0.0	2.4.4	2.4.4
Sqoop	1.4.7	1.4.7	-	-
TensorFlow	2.1.0	2.1.0	1.14.0	1.14.0
Tez	0.9.2	0.9.2	0.9.2	0.9.2
Trino（Prest SQL o）	338	338	-	-
Zeppelin	0.9.0	0.9.0	0.9.0	0.9.0
ZooKeeper	3.4.14	3.4.14	3.4.14	3.4.14

6.0.0 发布说明

以下发行说明包含 Amazon EMR 版本 6.0.0 的信息。

首次发布日期：2020 年 3 月 10 日

受支持的应用程序

AWS SDK for Java 版本 1.11.711
Ganglia 3.7.2
Hadoop 3.2.1
HBase版本 2.2.3
HCatalog版本 3.1.2
Hive 3.1.2
Hudi 0.5.0-incubating
Hue 4.4.0
JupyterHub 版本 1.0.0
Livy 0.6.0
MXNet版本 1.5.1
Oozie 5.1.0
Phoenix 5.0.0
Presto 0.230
Spark 2.4.4
TensorFlow 版本 1.14.0
齐柏林飞艇版本 0.9.0-SNAPSHOT
Zookeeper 3.4.14
连接器和驱动程序：DynamoDB 连接器 4.14.0

注意

Flink、Sqoop、Pig 和 Mahout 在亚马逊版本 6.0.0 中不可用。EMR

新功能

YARNDocker Runtime Support——诸如 Spark 作业之类的YARN应用程序现在可以在 Docker 容器的环境中运行。这使您可以轻松地在 Docker 映像中定义依赖关系，而无需在 Amazon EMR 集群上安装自定义库。有关更多信息，请参阅使用 Ama EMR zon 6.0.0 配置 Docker 集成和使用 Docker 运行 Spark 应用程序。
Hive LLAP Support-Hive 现在支持LLAP执行模式，以提高查询性能。有关更多信息，请参阅使用 Hive。LLAP

更改、增强功能和解决的问题

此版本旨在修复 Amazon EMR Scaling 无法成功扩展/缩小集群或导致应用程序故障时出现的问题。
修复了 Amaz EMR on 集群上守护程序运行状况检查活动（例如收集YARN节点状态和HDFS节点状态）时，对利用率很高的大型集群的扩展请求失败的问题。之所以发生这种情况，是因为集群上的守护程序无法将节点的运行状况数据传送到内部 Ama EMR zon 组件。
改进了EMR集群上的守护程序，可在重复使用 IP 地址时正确跟踪节点状态，从而提高扩展操作期间的可靠性。
SPARK-29683。修复了集群缩减期间出现任务失败的问题，因为 Spark 假定所有可用节点都被拒绝列出。
YARN-9011。修复了集群尝试向上或向下扩展时，由于YARN停用过程中的争用条件而导致任务失败的问题。
通过确保 Amaz EMR on 集群上守护程序和 YARN /之间的节点状态始终保持一致，修复了集群扩展期间步骤或任务失败的问题。HDFS
修复了启用了 Kerberos 身份验证的 Amazon 集群的EMR集群操作（例如缩减和步骤提交）失败的问题。这是因为 Amaz EMR on 集群上守护程序没有续订 Kerberos 票证，而要与主节点上YARN运行的 HDFS /进行安全通信，则需要续订 Kerberos 票证。
较新的Amazon EMR 版本通过降低亚马逊较旧AL2版本的 “最大打开文件数” 限制来解决这个问题EMR。亚马逊EMR发布的5.30.1、5.30.2、5.31.1、5.32.1、5.32.1、6.0.1、6.1.1、6.2.1、5.33.0、6.3.0及更高版本现在包含一个永久修复程序，其中包含一个具有更高的 “最大打开文件数” 设置的永久修复。
Amazon Linux
- 亚马逊 Linux 2 是 EMR 6.x 版本系列的操作系统。
- systemd用于服务管理，而不是upstart使用的 inAmazon Linux 1。
Java 开发套件 (JDK)
- C JDK orretto 8 是 6.x 版本系列EMR的JDK默认版本。
Scala
- Scala 2.12 与 Apache Spark 和 Apache Livy 一起使用。
Python 3
- Python 3 现在是中默认版本的 Python EMR。
YARN节点标签
- 从 Amazon EMR 6.x 版本系列开始，YARN节点标签功能默认处于禁用状态。默认情况下，应用程序主进程可以在核心节点和任务节点上运行。您可以通过配置以下属性来启用YARN节点标签功能：yarn.node-labels.enabled和yarn.node-labels.am.default-node-label-expression。有关更多信息，请参阅了解主节点、核心节点和任务节点。

已知问题

降低旧版本的 “最大打开文件数” 限制 AL2 [在新版本中已修复]。亚马逊EMR版本：emr-5.30.x、emr-5.31.0、emr-5.32.0、emr-6.0.0、emr-6.1.0 和 emr-6.2.0 基于较旧版本的 Linux ofAmazon 2 ()AL2，当使用默认版本创建亚马逊集群时，“最大打开文件数” 的用户限制较低。EMR AMI亚马逊EMR发布的版本为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及更高版本，包括具有更高的 “最大打开文件数” 设置的永久修复。如果使用打开文件数限制较低的发行版，会在提交 Spark 任务时导致“Too many open files”（打开的文件过多）错误。在受影响的版本中，亚马逊EMR默AMI认 “最大打开文件数” 的ulimit设置为4096，低于Linux 2中的65536个文件限制。 latestAmazon AMISpark 驱动程序和执行程序尝试打开超过 4096 个文件时，“打开的最大文件数”的较低 ulimit 设置会导致 Spark 任务失败。为了解决这个问题，Amazon EMR 提供了一个引导操作 (BA) 脚本，可以在创建集群时调整ulimit设置。

如果您使用的是无法永久修复此问题的旧EMR版 Amazon，则可以使用以下解决方法将实例控制器 ulimit 明确设置为最多 65536 个文件。
从命令行显式设置 ulimit
1. 编辑 /etc/systemd/system/instance-controller.service，将以下参数添加到 Service (服务) 部分。
  
  LimitNOFILE=65536
  
  LimitNPROC=65536
2. 重启 InstanceController
  
  $ sudo systemctl daemon-reload
  
  $ sudo systemctl restart instance-controller
使用引导操作 (BA) 设置 ulimit

您还可以在创建集群时使用引导操作（BA）脚本将实例控制器 ulimit 配置为 65536 个文件。
```
#!/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
```
Spark 交互式外壳 PySpark，包括 SparkR 和 spark-shell，不支持将 Docker 与其他库一起使用。
要在亚马逊 6.0.0 EMR 版本中使用 Python 3，必须添加PATH到。yarn.nodemanager.env-whitelist
使用时，不支持 Live Long 和 Process (LLAP) 功能 AWS Glue 数据目录作为 Hive 的元数据库。
使用集成 Spark 和 Docker 的 Amazon EMR 6.0.0 时，您需要在集群中配置具有相同实例类型和相同数量的EBS卷的实例，以避免在提交 Docker 运行时的 Spark 任务时失败。
在亚马逊 EMR 6.0.0 中，在亚马逊 S3 HBase 上，存储模式受到 HBASE-24 286. 问题的影响。HBase使用现有 S3 数据创建集群时，master 无法初始化。
具有多个主节点的集群和 Kerberos 身份验证中的已知问题

如果您在 Amazon 5.20.0 及更高EMR版本中运行具有多个主节点和 Kerberos 身份验证的集群，则在集群运行一段时间后，集群操作可能会遇到问题，例如缩小规模或步骤提交。具体时间段取决于您定义的 Kerberos 票证有效期。缩减问题会影响您提交的自动缩减和显式缩减请求。其它集群操作也可能会受到影响。

解决办法：
- SSH以hadoop用户身份访问具有多个主节点的EMR群集的主节点。
- 运行以下命令，为 hadoop 用户续订 Kerberos 票证。
```
kinit -kt <keytab_file> <principal>
```
  通常情况下，keytab 文件位于 /etc/hadoop.keytab，而 principal 为 hadoop/<hostname>@<REALM> 格式。
注意
此解决方法将在 Kerberos 票证有效期内生效。默认情况下，此持续时间为 10 个小时，但可以通过 Kerberos 设置进行配置。Kerberos 票证过期后，您必须重新运行上述命令。

6.0.0 组件版本

下面列出了 Amazon 随此版本EMR安装的组件。一些组件作为大数据应用程序包的一部分安装。其他则是 Amazon 独有的EMR，是为系统流程和功能而安装的。它们通常以 emr 或 aws 开头。Amazon 最新EMR版本中的大数据应用程序包通常是社区中的最新版本。我们会EMR尽快在 Amazon 上发布社区版本。

Amazon 中的某些组件与社区版本EMR不同。这些组件具有以下形式的 CommunityVersion-amzn-EmrVersion 的发行版标注。EmrVersion 从 0 开始。例如，如果myapp-component以 2.2 版本命名的开源社区组件经过三次修改以包含在不同的 Amazon EMR 版本中，则其发布版本将列为2.2-amzn-2。

组件	版本	描述
aws-sagemaker-spark-sdk	1.2.6	亚马逊 SageMaker Spark SDK
emr-ddb	4.14.0	适用于 Hadoop 生态系统应用程序的 Amazon DynamoDB 连接器。
emr-goodies	3.0.0	适用于 Hadoop 生态系统的方便易用的库。
emr-kinesis	3.5.0	适用于 Hadoop 生态系统应用程序的 Amazon Kinesis 连接器。
emr-s3-dist-cp	emrfs	针对 Amazon S3 优化的分布式复制应用程序。
emr-s3-select	1.5.0	EMRS3Select 连接器
emrfs	2.39.0	适用于 Hadoop 生态系统应用程序的 Amazon S3 连接器。
ganglia-monitor	3.7.2	适用于 Hadoop 生态系统应用程序的嵌入式 Ganglia 代理以及 Ganglia 监控代理。
ganglia-metadata-collector	3.7.2	用于从 Ganglia 监控代理中聚合指标的 Ganglia 元数据收集器。
ganglia-web	3.7.1	用于查看由 Ganglia 元数据收集器收集的指标的 Web 应用程序。
hadoop-client	3.2.1-amzn-0	Hadoop 命令行客户端，如“hdfs”、“hadoop”或“yarn”。
hadoop-hdfs-datanode	3.2.1-amzn-0	HDFS用于存储区块的节点级服务。
hadoop-hdfs-library	3.2.1-amzn-0	HDFS命令行客户端和库
hadoop-hdfs-namenode	3.2.1-amzn-0	HDFS用于跟踪文件名和区块位置的服务。
hadoop-hdfs-journalnode	3.2.1-amzn-0	HDFS用于管理 HA 集群上的 Hadoop 文件系统日志的服务。
hadoop-httpfs-server	3.2.1-amzn-0	HTTPHDFS操作端点。
hadoop-kms-server	3.2.1-amzn-0	基于 Hadoop 的加密密钥管理服务器。 KeyProvider API
hadoop-mapred	3.2.1-amzn-0	MapReduce 用于运行 MapReduce 应用程序的执行引擎库。
hadoop-yarn-nodemanager	3.2.1-amzn-0	YARN用于管理单个节点上的容器的服务。
hadoop-yarn-resourcemanager	3.2.1-amzn-0	YARN用于分配和管理群集资源和分布式应用程序的服务。
hadoop-yarn-timeline-server	3.2.1-amzn-0	用于检索YARN应用程序的当前和历史信息的服务。
hbase-hmaster	2.2.3	为负责协调区域和执行管理命令的HBase集群提供服务。
hbase-region-server	2.2.3	为一个或多个HBase地区提供服务的服务。
hbase-client	2.2.3	HBase命令行客户端。
hbase-rest-server	2.2.3	为其提供RESTfulHTTP终端节点的服务HBase。
hbase-thrift-server	2.2.3	为其提供 Thrift 端点的HBase服务。
hcatalog-client	3.1.2-amzn-0	用于操作 hcatalog-server 的“hcat”命令行客户端。
hcatalog-server	3.1.2-amzn-0	提供服务HCatalog，为分布式应用程序提供表和存储管理层。
hcatalog-webhcat-server	3.1.2-amzn-0	HTTP端点为其提供REST接口HCatalog。
hive-client	3.1.2-amzn-0	Hive 命令行客户端。
hive-hbase	3.1.2-amzn-0	Hive-hbase 客户端。
hive-metastore-server	3.1.2-amzn-0	用于访问 Hive 元数据仓的服务，Hive 元存储库是一个语义存储库，用于存储 Hadoop 操作的SQL元数据。
hive-server2	3.1.2-amzn-0	用于将 Hive 查询作为 Web 请求接受的服务。
hudi	0.5.0-incubating-amzn-1	增量处理框架，以支持低延迟和高效率的数据管道。
hudi-presto	0.5.0-incubating-amzn-1	用于运行 Presto 以及 Hudl 的捆绑库。
hue-server	4.4.0	用于使用 Hadoop 生态系统应用程序分析数据的 Web 应用程序
jupyterhub	1.0.0	Jupyter notebook 的多用户服务器
livy-server	0.6.0-incubating	REST用于与 Apache Spark 交互的接口
nginx	1.12.1	nginx [engine x] HTTP 是一个反向代理服务器
mxnet	1.5.1	用于深度学习的灵活的、可扩展且高效的库。
mariadb-server	5.5.64+	MariaDB 数据库服务器。
nvidia-cuda	9.2.88	Nvidia 驱动程序和 Cuda 工具包
oozie-client	5.1.0	Oozie 命令行客户端。
oozie-server	5.1.0	用于接受 Oozie 工作流请求的服务。
opencv	3.4.0	开源计算机视觉库。
phoenix-library	5.0.0--2.0 HBase	服务器和客户端的 phoenix 库
phoenix-query-server	5.0.0--2.0 HBase	一款轻量级服务器，提供JDBC对 Avatica 的访问权限以及协议缓冲区和JSON格式访问权限 API
presto-coordinator	0.230	用于在 presto-worker 之中接受查询并管理查询的服务。
presto-worker	0.230	用于执行查询的各个部分的服务。
presto-client	0.230	Presto 命令行客户端，安装在 HA 集群的备用主服务器（未启动 Presto 服务器）上。
r	3.4.3	用于统计计算的 R 项目
spark-client	2.4.4	Spark 命令行客户端。
spark-history-server	2.4.4	用于查看完整的 Spark 应用程序的生命周期的已记录事件的 Web UI。
spark-on-yarn	2.4.4	的内存中执行引擎。YARN
spark-yarn-slave	2.4.4	YARN从属服务器需要的 Apache Spark 库。
tensorflow	1.14.0	TensorFlow 用于高性能数值计算的开源软件库。
tez-on-yarn	0.9.2	tez YARN 应用程序和库。
webserver	2.4.41+	Apache HTTP 服务器。
zeppelin-server	0.9.0-SNAPSHOT	支持交互式数据分析的基于 Web 的笔记本电脑。
zookeeper-server	3.4.14	用于维护配置信息、命名、提供分布式同步以及提供组服务的集中式服务。
zookeeper-client	3.4.14	ZooKeeper 命令行客户端。

6.0.0 配置分类

配置分类允许您自定义应用程序。它们通常对应于应用程序的配置XML文件，例如hive-site.xml。有关更多信息，请参阅配置应用程序。

emr-6.0.0 分类
分类	描述
capacity-scheduler	更改 Hadoop 的 capacity-scheduler.xml 文件中的值。
container-executor	更改 Hadoop YARN 的 container-executor.cfg 文件中的值。
container-log4j	更改 Hadoop 的 container-log4j.prop YARN erties 文件中的值。
core-site	更改 Hadoop 的 core-site.xml 文件中的值。
emrfs-site	更改EMRFS设置。
hadoop-env	更改适用于所有 Hadoop 组件的 Hadoop 环境中的值。
hadoop-log4j	更改 Hadoop 的 log4j.properties 文件中的值。
hadoop-ssl-server	更改 hadoop ssl 服务器配置
hadoop-ssl-client	更改 hadoop ssl 客户端配置
hbase	亚马逊EMR精心策划的 Apache 设置。HBase
hbase-env	更改环境HBase中的值。
hbase-log4j	更改 hbase-HBase log4j.properties 文件中的值。
hbase-metrics	更改 hadoop-metrics2-h HBase base.properties 文件中的值。
hbase-policy	更改HBase的 hbase-policy.xml 文件中的值。
hbase-site	更改 hbase-site.xml 文件HBase中的值。
hdfs-encryption-zones	配置HDFS加密区域。
hdfs-env	更改HDFS环境中的值。
hdfs-site	更改的 hdfs-site.xml HDFS 中的值。
hcatalog-env	更改环境HCatalog中的值。
hcatalog-server-jndi	更改HCatalog的 jndi.properties 中的值。
hcatalog-server-proto-hive-site	更改 proto-hive-site .x HCatalog ml 中的值。
hcatalog-webhcat-env	更改 HCatalog W 环境ebHCat中的值。
hcatalog-webhcat-log4j2	更改 HCatalog W ebHCat 的 log4j2.properties 中的值。
hcatalog-webhcat-site	更改 HCatalog W ebHCat 的 webhcat-site.xml 文件中的值。
hive	亚马逊EMR精心策划的 Apache Hive 设置。
hive-beeline-log4j2	更改 Hive 的 beeline-log4j2.properties 文件中的值。
hive-parquet-logging	更改 Hive parquet-logging.properties 文件中的值。
hive-env	更改 Hive 环境中的值。
hive-exec-log4j2	更改 Hive 的 hive-exec-log 4j2.properties 文件中的值。
hive-llap-daemon-log4j2	更改 Hive 的 llap-daemon-log 4j2.properties 文件中的值。
hive-log4j2	更改 Hive 的 hive-log4j2.properties 文件中的值。
hive-site	更改 Hive 的 hive-site.xml 文件中的值
hiveserver2-site	更改 Hive Server2 的 hiveserver2-site.xml 文件中的值
hue-ini	更改 Hue 的 ini 文件中的值
httpfs-env	更改HTTPFS环境中的值。
httpfs-site	更改 Hadoop 的 httpfs-site.xml 文件中的值。
hadoop-kms-acls	更改 Hadoop 的 kms-acls.xml 文件中的值。
hadoop-kms-env	在 Hadoop KMS 环境中更改值。
hadoop-kms-log4j	更改 Hadoop 的 kms-log4j.properties 文件中的值。
hadoop-kms-site	更改 Hadoop 的 kms-site.xml 文件中的值。
jupyter-notebook-conf	更改 Jupyter notebook 的 jupyter_notebook_config.py 文件中的值。
jupyter-hub-conf	更改 jupyterhub_config.py 文件 JupyterHubs中的值。
jupyter-s3-conf	配置 Jupyter notebook S3 持久性。
jupyter-sparkmagic-conf	更改 Sparkmagic 的 config.json 文件中的值。
livy-conf	更改 Livy 的 livy.conf 文件中的值。
livy-env	更改 Livy 环境中的值。
livy-log4j	更改 Livy log4j.properties 设置。
mapred-env	更改 MapReduce 应用程序环境中的值。
mapred-site	更改 MapReduce 应用程序的 mapred-site.xml 文件中的值。
oozie-env	更改 Oozie 的环境中的值。
oozie-log4j	更改 Oozie 的 oozie-log4j.properties 文件中的值。
oozie-site	更改 Oozie 的 oozie-site.xml 文件中的值。
phoenix-hbase-metrics	更改 Phoenix 的 hadoop-metrics2-hbase.properties 文件中的值。
phoenix-hbase-site	更改 Phoenix 的 hbase-site.xml 文件中的值。
phoenix-log4j	更改 Phoenix 的 log4j.properties 文件中的值。
phoenix-metrics	更改 Phoenix 的 hadoop-metrics2-phoenix.properties 文件中的值。
presto-log	更改 Presto 的 log.properties 文件中的值。
presto-config	更改 Presto 的 config.properties 文件中的值。
presto-password-authenticator	更改 Presto 的 password-authenticator.properties 文件中的值。
presto-env	更改 Presto 的 presto-env.sh 文件中的值。
presto-node	更改 Presto 的 node.properties 文件中的值。
presto-connector-blackhole	更改 Presto 的 blackhole.properties 文件中的值。
presto-connector-cassandra	更改 Presto 的 cassandra.properties 文件中的值。
presto-connector-hive	更改 Presto 的 hive.properties 文件中的值。
presto-connector-jmx	更改 Presto 的 jmx.properties 文件中的值。
presto-connector-kafka	更改 Presto 的 kafka.properties 文件中的值。
presto-connector-localfile	更改 Presto 的 localfile.properties 文件中的值。
presto-connector-memory	更改 Presto 的 memory.properties 文件中的值。
presto-connector-mongodb	更改 Presto 的 mongodb.properties 文件中的值。
presto-connector-mysql	更改 Presto 的 mysql.properties 文件中的值。
presto-connector-postgresql	更改 Presto 的 postgresql.properties 文件中的值。
presto-connector-raptor	更改 Presto 的 raptor.properties 文件中的值。
presto-connector-redis	更改 Presto 的 redis.properties 文件中的值。
presto-connector-redshift	更改 Presto 的 redshift.properties 文件中的值。
presto-connector-tpch	更改 Presto 的 tpch.properties 文件中的值。
presto-connector-tpcds	更改 Presto 的 tpcds.properties 文件中的值。
ranger-kms-dbks-site	更改 Ranger KMS 的 dbks-site.xml 文件中的值。
ranger-kms-site	更改 Ran ranger-kms-site KMS ger .xml 文件中的值。
ranger-kms-env	在游侠KMS环境中更改值。
ranger-kms-log4j	更改 Ranger 的 kms-log4j.properties 文件中的值。KMS
ranger-kms-db-ca	更改 S3 上我与 Ranger SQL SSL KMS 连接的 CA 文件值。
recordserver-env	更改EMR RecordServer 环境中的值。
recordserver-conf	更改 server.proper EMR RecordServer ties 文件中的值。
recordserver-log4j	更改EMR RecordServer的 log4j.properties 文件中的值。
spark	亚马逊EMR精心策划的 Apache Spark 设置。
spark-defaults	更改 Spark 的 spark-defaults.conf 文件中的值。
spark-env	更改 Spark 环境中的值。
spark-hive-site	更改 Spark 的 hive-site.xml 文件中的值
spark-log4j	更改 Spark 的 log4j.properties 文件中的值。
spark-metrics	更改 Spark 的 metrics.properties 文件中的值。
tez-site	更改 Tez 的 tez-site.xml 文件中的值。
yarn-env	更改YARN环境中的值。
yarn-site	更改 yarn-site.xml 文件YARN中的值。
zeppelin-env	更改 Zeppelin 环境中的值。
zookeeper-config	更改 ZooKeeper的 zoo.cfg 文件中的值。
zookeeper-log4j	更改 ZooKeeper的 log4j.properties 文件中的值。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

emr-6.0.1

亚马逊 EMR 5.x 发布版本