Amazon EMR 5.25.0 版 - Amazon EMR
應用程式版本版本備註元件版本組態分類

Amazon EMR 5.25.0 版

應用程式版本

此版本支援下列應用程式：Flink、Ganglia、HBase、HCatalog、Hadoop、Hive、Hue、JupyterHub、Livy、MXNet、Mahout、Oozie、Phoenix、Pig、Presto、Spark、Sqoop、TensorFlow、Tez、Zeppelin 和 ZooKeeper。

下表列出此 Amazon EMR 版本中提供的應用程式版本，以及前三個 Amazon EMR 版本 (如果適用) 中的應用程式版本。

如需完整了解各 Amazon EMR 版之應用程式版本的完整歷史記錄，請參閱以下主題：

應用程式版本資訊
emr-5.25.0 emr-5.24.1 emr-5.24.0 emr-5.23.1
適用於 Java 的 AWS 開發套件 1.11.5661.11.5461.11.5461.11.519
Python 2.7、3.62.7、3.62.7、3.62.7、3.6
Scala 不適用不適用不適用不適用
Delta - - - -
Flink1.8.01.8.01.8.01.7.1
Ganglia3.7.23.7.23.7.23.7.2
HBase149149149149
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

版本備註

以下版本備註包含 Amazon EMR 5.25.0 版的資訊。變更是相對於 5.24.1 版而言。

初始版本日期：2019 年 7 月 17 日

上次更新日期：2019 年 10 月 30 日

Amazon EMR 5.25.0

升級

  • AWS SDK for Java 1.11.566

  • Hive 2.3.5

  • Presto 0.220

  • Spark 2.4.3

  • TensorFlow 1.13.1

  • Tez 0.9.2

  • Zookeeper 3.4.14

新的 功能

  • (2019 年 10 月 30 日) 在 Amazon EMR 版本 5.25.0 及更高版本中，您可以從叢集總結頁面或主控台中的應用程式歷史記錄索引標籤連線到 Spark 歷史記錄伺服器 UI。您可以快速存取 Spark 歷史記錄伺服器 UI 來檢視應用程式指標，以及存取作用中和已終止叢集的相關日誌檔案，而不是透過 SSH 連線設定 Web 代理。如需詳細資訊，請參閱《Amazon EMR 管理指南》中的叢集外存取持續應用程式使用者界面。

變更、強化功能和已解決的問題

  • Spark

    • 使用 Bloom 篩選條件預先篩選輸入，從而改進部分聯結的效能。優化預設被停用，但可透過將 Spark 組態參數 spark.sql.bloomFilterJoin.enabled 設為 true 啟用。

    • 改進依字串類型欄分組的效能。

    • 針對未安裝 HBase 的叢集，改進 R4 執行個體類型的預設 Spark 執行器記憶體與核心組態。

    • 解決先前的動態分割區剔除功能問題，此問題導致剔除的資料表必須位於聯結的左側。

    • 改進 INTERSECT 前的 DISTINCT 優化，以套用至更多涉及別名的案例。

    • 為 DISTINCT 查詢前的 JOIN 改進 SQL 計畫統計資料推論。此改進預設被停用，但可透過將 Spark 組態參數 spark.sql.statsImprovements.enabled 設為 true 啟用。此優化為 Intersect 前的 Distinct 所需，並且將在 spark.sql.optimizer.distinctBeforeIntersect.enabled 設為 true 時自動啟用。

    • 依據資料表大小和篩選條件優化聯結順序。此優化預設被停用，但可透過將 Spark 組態參數 spark.sql.optimizer.sizeBasedJoinReorder.enabled 設為 true 啟用。

    如需詳細資訊，請參閱優化 Spark 效能。

  • EMRFS

    • EMRFS 設定 fs.s3.buckets.create.enabled 現預設被停用。經過測試，我們發現停用此設定可改進效能，並防止意外建立 S3 儲存貯體。如果您的應用程式依賴此功能，您可以透過在 emrfs-site 組態分類中將屬性 fs.s3.buckets.create.enabled 設定為 true 以便啟用它。如需有關資訊，請參閱在建立叢集時提供組態。

  • 安全組態中的本機磁碟加密和 S3 加密改進 (2019 年 8 月 5 日)

    • 在安全組態設定中分開設定 Amazon S3 加密和本機磁碟加密。

    • 新增在 5.24.0 版及更高版本中啟用 EBS 加密的選項。除儲存磁碟區以外，選取此選項還將加密根裝置磁碟區。先前版本需使用自訂 AMI 加密根裝置磁碟區。

    • 如需詳細資訊，請參閱《Amazon EMR 管理指南》中的加密選項。

已知問題

  • 使用多個主節點和 Kerberos 身分驗證的叢集中存在的已知問題

    如果在 Amazon EMR 5.20.0 版及更高版本中使用多個主節點和 Kerberos 身分驗證執行叢集，當叢集執行一段時間後，您可能遇到某些叢集操作 (例如縮減規模或步驟提交) 失敗的問題。時段取決於您定義的 Kerberos 票證有效期。規模調減問題會同時影響自動縮減規模和您提交的明確縮減規模請求。其他叢集操作也可能受影響。

    解決方法：

    • 以 hadoop 使用者身分透過 SSH 連線至具有多個主節點的 EMR 叢集首要主節點。

    • 執行以下命令，以更新 hadoop 使用者的 Kerberos 票證。

      kinit -kt <keytab_file> <principal>

      一般而言，Keytab 檔案位於 /etc/hadoop.keytab，而主體則採用 hadoop/<hostname>@<REALM> 的形式。

    注意

    此解決辦法的有效期間和 Kerberos 票證的有效期間相同。此持續時間預設為 10 個小時，但可以透過您的 Kerberos 設定進行變更。若 Kerberos 票證過期，您必須重新執行上述命令。

元件版本

Amazon EMR 在此版本安裝的元件列出如下。其中有一些屬於大數據應用程式套件。其他的則為 Amazon EMR 獨有，並安裝為系統程序和功能。這些通常會以 emr 或 aws 開頭。在最新 Amazon EMR 版本中的大數據應用程式套件，通常也是社群中可找到的最新版本。我們致力盡快提供 Amazon EMR 的社群版本。

Amazon EMR 中的某些元件與社群版本不同。這些元件具有版本標籤，格式為 CommunityVersion-amzn-EmrVersion。EmrVersion 從 0 開始。例如，假設有一個名為 myapp-component 的開放原始碼社群元件 2.2 版為了包含在不同 Amazon EMR 發行版本中而修改過三次，則其發行版本會列為 2.2-amzn-2。

元件 版本 描述
aws-sagemaker-spark-sdk1.2.4Amazon SageMaker Spark SDK
emr-ddb4.10.0適用於 Hadoop 生態系統應用程式的 Amazon DynamoDB 連接器。
emr-goodies2.9.0適用 Hadoop 生態系統的超便利程式庫。
emr-kinesis3.4.0適用於 Hadoop 生態系統應用程式的 Amazon Kinesis 連接器。
emr-s3-dist-cp2.11.0針對 Amazon S3 最佳化的分散式複製應用程式。
emr-s3-select1.3.0EMR S3Select Connector
emrfs2.34.0適用於 Hadoop 生態系統應用程式的 Amazon S3 連接器。
flink-client1.8.0Apache Flink 命令列用戶端指令碼和應用程式。
ganglia-monitor3.7.2Hadoop 生態系統應用程式內嵌 Ganglia 代理程式以及 Ganglia 監控代理程式。
ganglia-metadata-collector3.7.2Ganglia 監控代理程式的彙總指標 Ganglia 中繼資料收集器。
ganglia-web3.7.1由 Ganglia 中繼資料收集器收集，以檢視指標的 Web 應用程式。
hadoop-client2.8.5-amzn-4Hadoop 命令列用戶端，例如「hdfs」、「Hadoop」或「yarn」。
hadoop-hdfs-datanode2.8.5-amzn-4用於存放區塊的 HDFS 節點層級服務。
hadoop-hdfs-library2.8.5-amzn-4HDFS 命令列用戶端和程式庫
hadoop-hdfs-namenode2.8.5-amzn-4用於追蹤檔案名稱和區塊位置的 HDFS 服務。
hadoop-hdfs-journalnode2.8.5-amzn-4HDFS 檔案系統中的 Hadoop 服務，用於管理在 HA 叢集。
hadoop-httpfs-server2.8.5-amzn-4HDFS 操作的 HTTP 端點。
hadoop-kms-server2.8.5-amzn-4以 Hadoop 金鑰供應商 API 為基礎的加密金鑰管理伺服器。
hadoop-mapred2.8.5-amzn-4執行 MapReduce 應用程式的 MapReduce 執行引擎程式庫。
hadoop-yarn-nodemanager2.8.5-amzn-4在個別節點用於管理容器的 YARN 服務。
hadoop-yarn-resourcemanager2.8.5-amzn-4用於分配和管理叢集資源，以及分散式應用程式的 YARN 服務。
hadoop-yarn-timeline-server2.8.5-amzn-4為 YARN 應用程式擷取目前和歷史資訊的服務。
hbase-hmaster149負責區域協調和執行管理命令的 HBase 叢集服務。
hbase-region-server149提供一或多個 HBase 區域的服務。
hbase-client149HBase 命令列用戶端。
hbase-rest-server149為 HBase 提供 RESTful HTTP 端點的服務。
hbase-thrift-server149提供 Thrift 端點到 HBase 的服務。
hcatalog-client2.3.5-amzn-0操作 hcatalog-server 的「hcat」命令列用戶端。
hcatalog-server2.3.5-amzn-0服務為分散式應用程式提供 HCatalog、表格和儲存管理層。
hcatalog-webhcat-server2.3.5-amzn-0HTTP 端點提供了 REST 介面至 HCatalog。
hive-client2.3.5-amzn-0Hive 命令列用戶端。
hive-hbase2.3.5-amzn-0Hive-hbase 用戶端。
hive-metastore-server2.3.5-amzn-0為 Hadoop 操作的 SQL 提供存取 Hive 中繼儲存、存放中繼資料語意儲存庫的服務。
hive-server22.3.5-amzn-0依 Web 請求接受 Hive 查詢的服務。
hue-server4.4.0使用 Hadoop 生態系統應用程式分析資料的 Web 應用程式
jupyterhub0.9.6適用於 Jupyter 筆記本的多使用者伺服器
livy-server0.6.0-incubating與 Apache Spark 互動的 REST 介面
nginx1.12.1nginx [engine x] 是 HTTP 和反向代理伺服器
mahout-client0.13.0機器學習程式庫。
mxnet1.4.0靈活有效率的程式庫，具可擴展性，適用於深度學習。
mysql-server5.5.54+MySQL 資料庫伺服器。
nvidia-cuda9.2.88Nvidia 驅動程式和 Cuda 工具組
oozie-client5.1.0Oozie 命令列用戶端。
oozie-server5.1.0接受 Oozie 工作流程要求的服務。
opencv3.4.0開放原始碼電腦 Vision 程式庫。
phoenix-library4.14.1-HBase-1.4適用於伺服器和用戶端的 phoenix 程式庫
phoenix-query-server4.14.1-HBase-1.4此為一輕量伺服器，可提供對 Avatica API 的 JDBC 存取以及通訊協定緩衝區和 JSON 格式存取
presto-coordinator0.220在 presto-workers 之間接受查詢和執行管理查詢的服務。
presto-worker0.220執行查詢各部分的服務。
pig-client0.17.0Pig 命令列用戶端。
r3.4.1統計運算 R 專案
spark-client2.4.3Spark 命令列用戶端。
spark-history-server2.4.3用於檢視完整 Spark 應用程式生命週期記錄事件的 Web 使用者介面。
spark-on-yarn2.4.3適用於 YARN 的記憶體內執行引擎。
spark-yarn-slave2.4.3YARN 從屬所需的 Apache Spark 程式庫。
sqoop-client1.4.7Apache Sqoop 命令列用戶端。
tensorflow1.13.1適用於高效能數值運算的 TensorFlow 開放原始碼軟體程式庫。
tez-on-yarn0.9.2tez YARN 應用程式和程式庫。
webserver2.4.25+Apache HTTP 伺服器。
zeppelin-server0.8.1能進行互動式資料分析，以 Web 為基礎的筆記型電腦。
zookeeper-server3.4.14用於維護組態資訊、命名、提供分散式同步，並提供群組服務的集中化服務。
zookeeper-client3.4.14ZooKeeper 命令列用戶端。

組態分類

組態分類可讓您自訂應用程式。這些檔案通常對應於應用程式的組態 XML 檔案，例如 hive-site.xml。如需更多詳細資訊，請參閱 設定應用程式。

emr-5.25.0 分類
分類 描述

capacity-scheduler

變更 Hadoop 中 capacity-scheduler.xml 檔案的值。

container-log4j

變更 Hadoop YARN 的 container-log4j.properties 檔案中的值。

core-site

變更 Hadoop 中 core-site.xml 檔案的值。

emrfs-site

變更 EMRFS 設定。

flink-conf

變更 flink-conf.yaml 設定。

flink-log4j

變更 Flink log4j.properties 設定。

flink-log4j-yarn-session

變更 Flink log4j-yarn-session.properties 設定。

flink-log4j-cli

變更 Flink log4j-cli.properties 設定。

hadoop-env

在 Hadoop 環境中變更所有 Hadoop 元件的值。

hadoop-log4j

變更 Hadoop 中 log4j.properties 檔案的值。

hadoop-ssl-server

變更 hadoop ssl 伺服器組態

hadoop-ssl-client

變更 hadoop ssl 用戶端組態

hbase

Apache HBase 的 Amazon EMR 彙整設定。

hbase-env

變更 HBase 環境中的值。

hbase-log4j

變更 HBase 的 hbase-log4j.properties 檔案中的值。

hbase-metrics

變更 HBase 的 hadoop-metrics2-hbase.properties 檔案中的值。

hbase-policy

變更 HBase 的 hbase-policy.xml 檔案中的值。

hbase-site

變更 HBase 的 hbase-site.xml 檔案中的值。

hdfs-encryption-zones

設定 HDFS 加密區域。

hdfs-site

變更 HDFS 的 hdfs-site.xml 中的值。

hcatalog-env

變更 HCatalog 環境中的值。

hcatalog-server-jndi

變更 HCatalog 的 jndi.properties 中的值。

hcatalog-server-proto-hive-site

變更 HCatalog 的 proto-hive-site.xml 中的值。

hcatalog-webhcat-env

變更 HCatalog WebHCat 環境中的值。

hcatalog-webhcat-log4j2

變更 HCatalog WebHCat 的 log4j2.properties 中的值。

hcatalog-webhcat-site

變更 HCatalog WebHCat 的 webhcat-site.xml 檔案中的值。

hive-beeline-log4j2

變更 Hive 的 beeline-log4j2.properties 檔案中的值。

hive-parquet-logging

變更 Hive 的 parquet-logging.properties 檔案中的值。

hive-env

變更 Hive 環境中的值。

hive-exec-log4j2

變更 Hive 的 hive-exec-log4j2.properties 檔案中的值。

hive-llap-daemon-log4j2

變更 Hive 的 llap-daemon-log4j2.properties 檔案中的值。

hive-log4j2

變更 Hive 的 hive-log4j2.properties 檔案中的值。

hive-site

變更 Hive 的 hive-site.xml 檔案中的值

hiveserver2-site

變更 Hive Server2 的 hiveserver2-site.xml 檔案中的值

hue-ini

變更 Hue 的 ini 檔案中的值

httpfs-env

變更 HTTPFS 環境中的值。

httpfs-site

變更 Hadoop 中 httpfs-site.xml 檔案的值。

hadoop-kms-acls

變更 Hadoop 中 kms-acls.xml 檔案的值。

hadoop-kms-env

變更 Hadoop KMS 環境中的值。

hadoop-kms-log4j

變更 Hadoop 的 kms-log4j.properties 檔案中的值。

hadoop-kms-site

變更 Hadoop 中 kms-site.xml 檔案的值。

jupyter-notebook-conf

變更 Jupyter 筆記本中 jupyter_notebook_config.py 檔案的值。

jupyter-hub-conf

變更 JupyterHubs 中 jupyterhub_config.py 檔案的值。

jupyter-s3-conf

設定 Jupyter 筆記本 S3 持久性。

jupyter-sparkmagic-conf

變更 Sparkmagic 中 config.json 檔案的值。

livy-conf

變更 Livy 的 livy.conf 檔案中的值。

livy-env

變更 Livy 環境中的值。

livy-log4j

變更 Livy log4j.properties 設定。

mapred-env

變更 MapReduce 應用程式環境中的值。

mapred-site

變更 MapReduce 應用程式 mapred-site.xml 檔案中的值。

oozie-env

變更 Oozie 環境中的值。

oozie-log4j

變更 Oozie 的 oozie-log4j.properties 檔案中的值。

oozie-site

變更 Oozie 的 oozie-site.xml 檔案中的值。

phoenix-hbase-metrics

變更 Phoenix 的 hadoop-metrics2-hbase.properties 檔案中的值。

phoenix-hbase-site

變更 Phoenix 的 hbase-site.xml 檔案中的值。

phoenix-log4j

變更 Phoenix 中 log4j.properties 檔案的值。

phoenix-metrics

變更 Phoenix 的 hadoop-metrics2-phoenix.properties 檔案中的值。

pig-env

在 Pig 環境中變更值。

pig-properties

變更 Pig 的 pig.properties 檔案中的值。

pig-log4j

變更 Pig 的 log4j.properties 檔案中的值。

presto-log

變更 Presto 的 log.properties 檔案中的值。

presto-config

變更 Presto 的 config.properties 檔案中的值。

presto-password-authenticator

變更 Presto 的 password-authenticator.properties 檔案中的值。

presto-env

變更 Presto 的 presto-env.sh 檔案中的值。

presto-node

變更 Presto 的 node.properties 檔案中的值。

presto-connector-blackhole

變更 Presto 的 blackhole.properties 檔案中的值。

presto-connector-cassandra

變更 Presto 的 cassandra.properties 檔案中的值。

presto-connector-hive

變更 Presto 的 hive.properties 檔案中的值。

presto-connector-jmx

變更 Presto 的 jmx.properties 檔案中的值。

presto-connector-kafka

變更 Presto 的 kafka.properties 檔案中的值。

presto-connector-localfile

變更 Presto 的 localfile.properties 檔案中的值。

presto-connector-memory

變更 Presto 的 memory.properties 檔案中的值。

presto-connector-mongodb

變更 Presto 的 mongodb.properties 檔案中的值。

presto-connector-mysql

變更 Presto 的 mysql.properties 檔案中的值。

presto-connector-postgresql

變更 Presto 的 postgresql.properties 檔案中的值。

presto-connector-raptor

變更 Presto 的 raptor.properties 檔案中的值。

presto-connector-redis

變更 Presto 的 redis.properties 檔案中的值。

presto-connector-redshift

變更 Presto 的 redshift.properties 檔案中的值。

presto-connector-tpch

變更 Presto 的 tpch.properties 檔案中的值。

presto-connector-tpcds

變更 Presto 的 tpcds.properties 檔案中的值。

recordserver-env

變更 EMR RecordServer 環境中的值。

recordserver-conf

變更 EMR RecordServer 的 erver.properties 檔案中的值。

recordserver-log4j

變更 EMR RecordServer 的 log4j.properties 檔案中的值。

spark

Apache Spark 的 Amazon EMR 彙整設定。

spark-defaults

變更 Spark 的 spark-defaults.conf 檔案中的值。

spark-env

變更 Spark 環境中的值。

spark-hive-site

變更 Spark 的 hive-site.xml 檔案中的值

spark-log4j

變更 Spark 中 log4j.properties 檔案的值。

spark-metrics

變更 Spark 中 metrics.properties 檔案的值。

sqoop-env

變更 Sqoop 環境中的值。

sqoop-oraoop-site

變更 Sqoop OraOop 的 oraoop-site.xml 檔案中的值。

sqoop-site

變更 Sqoop 的 sqoop-site.xml 檔案中的值。

tez-site

變更 Tez 的 tez-site.xml 檔案中的值。

yarn-env

變更 YARN 環境中的值。

yarn-site

變更 YARN 的 yarn-site.xml 檔案中的值。

zeppelin-env

變更 Zeppelin 環境中的值。

zookeeper-config

變更 ZooKeeper 的 zoo.cfg 檔案中的值。

zookeeper-log4j

變更 ZooKeeper 中 log4j.properties 檔案的值。