Configura las aplicaciones al lanzar tu EMR clúster de Amazon

Cuando seleccionas una versión de software, Amazon EMR utiliza una Amazon Machine Image (AMI) con Amazon Linux para instalar el software que elijas al lanzar el clúster, como Hadoop, Spark y Hive. Amazon EMR ofrece nuevas versiones de forma periódica, añadiendo nuevas funciones, nuevas aplicaciones y actualizaciones generales. Le recomendamos que utilice la última versión para lanzar el clúster siempre que sea posible. La última versión es la opción predeterminada al lanzar un clúster desde la consola.

Para obtener más información sobre las EMR versiones de Amazon y las versiones de software disponibles con cada versión, consulta la Guía de EMR versiones de Amazon. Para obtener más información sobre cómo editar las configuraciones predeterminadas de las aplicaciones y el software instalados en el clúster, consulte Configuración de aplicaciones en la Guía de EMR versiones de Amazon. Algunas versiones de los componentes de código abierto del ecosistema Hadoop y Spark que se incluyen en las EMR versiones de Amazon incluyen parches y mejoras, que se documentan en la Guía de versiones de Amazon EMR.

Además del software y las aplicaciones estándar que están disponibles para su instalación en su clúster, puede utilizar acciones de arranque para instalar software personalizado. Las acciones de arranque son scripts que se ejecutan en las instancias cuando se lanza el clúster y que se ejecutan en nuevos nodos que se añaden a su clúster cuando se crean. Las acciones de Bootstrap también son útiles para invocar AWS CLI comandos en cada nodo para copiar objetos de Amazon S3 a cada nodo del clúster.