Amazon EMR, versión 4.2.0 - Amazon EMR

Amazon EMR, versión 4.2.0

Versiones de las aplicaciones de la versión 4.2.0

Esta versión admite las siguientes aplicaciones: Ganglia, Hadoop, Hive, Hue, Mahout, Oozie-Sandbox, Pig, Presto-Sandbox, Spark y Zeppelin-Sandbox.

En la siguiente tabla se enumeran las versiones de la aplicación disponibles en esta versión de Amazon EMR y las versiones de la aplicación en las tres versiones anteriores de Amazon EMR (cuando corresponda).

Para ver un historial completo de las versiones de la aplicación disponibles para cada versión de Amazon EMR, consulte los temas siguientes:

Información sobre la versión de la aplicación
emr-4.3.0 emr-4.2.0 emr-4.1.0 emr-4.0.0
AWS SDK para Java 1.10.271.10.27No registradoNo registrado
Python No registradoNo registradoNo registradoNo registrado
Scala No registradoNo registradoNo registradoNo registrado
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink - - - -
Ganglia3.7.23.6.0 - -
HBase - - - -
HCatalog - - - -
Hadoop2.7.12.6.02.6.02.6.0
Hive1.0.01.0.01.0.01.0.0
Hudi - - - -
Hue3.7.13.7.13.7.1 -
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub - - - -
Livy - - - -
MXNet - - - -
Mahout0.11.00.11.00.11.00.10.0
Oozie - - - -
Oozie-Sandbox4.2.04.2.04.0.1 -
Phoenix - - - -
Pig0.14.00.14.00.14.00.14.0
Presto - - - -
Presto-Sandbox0.1300.1250.119 -
Spark1.6.01.5.21.5.01.4.1
Sqoop - - - -
Sqoop-Sandbox - - - -
TensorFlow - - - -
Tez - - - -
Trino (PrestoSQL) - - - -
Zeppelin - - - -
Zeppelin-Sandbox0.5.50.5.50.6.0-SNAPSHOT -
ZooKeeper - - - -
ZooKeeper-Sandbox - - - -

Notas de la versión 4.2.0

Las siguientes notas de la versión incluyen información sobre la versión 4.2.0 de Amazon EMR.

Fecha de lanzamiento: 18 de noviembre de 2015

Características
  • Se ha añadido compatibilidad con Ganglia

  • Actualizado a Spark 1.5.2

  • Actualizado a Presto 0.125

  • Actualizado Oozie a 4.2.0

  • Actualizado Zeppelin a 0.5.5

  • AWS SDK for Java actualizado a 1.10.27

Problemas conocidos resueltos de las versiones anteriores
  • Se ha corregido un problema con la CLI de EMRFS, donde no se utilizaba el nombre de la tabla de metadatos predeterminado.

  • Se ha corregido un problema que se presentaba al utilizar tablas respaldadas por ORC en Amazon S3.

  • Se ha corregido un problema encontrado con un error de coincidencia de versión de Python en la configuración de Spark.

  • Se ha corregido un error cuando falla la notificación del estado de un nodo de YARN debido a problemas de DNS para clústeres en una VPC.

  • Se ha corregido un error que se presentaba cuando YARN retiraba nodos, lo que daba lugar a aplicaciones que no respondían o a la incapacidad de programar nuevas aplicaciones.

  • Se ha corregido un error que se encuentra cuando los clústeres terminan con el estado TIMED_OUT_STARTING.

  • Se ha corregido un error que se encuentra al incluir la dependencia de EMRFS Scala en otras versiones. Se ha eliminado la dependencia de Scala.

Versiones de los componentes de la versión 4.2.0

A continuación, se muestran los componentes que Amazon EMR instala con esta versión. Algunos se instalan como parte de paquetes de aplicación de Big Data. Otros son exclusivos de Amazon EMR y se instalan para ciertos procesos y características del sistema. Normalmente, estos componentes comienzan con emr o aws. Normalmente, los paquetes de aplicación de macrodatos de la versión más reciente de Amazon EMR son las versiones más recientes que pueden encontrarse en la comunidad. Intentamos que las versiones de la comunidad estén disponibles en Amazon EMR lo más rápido posible.

Algunos componentes de Amazon EMR son distintos de las versiones que se encuentran en la comunidad. Estos componentes tienen una etiqueta de versión con el formato CommunityVersion-amzn-EmrVersion. La EmrVersion empieza por 0. Por ejemplo, si un componente de la comunidad de código abierto llamado myapp-component con la versión 2.2 se ha modificado tres veces para incluirlo en diferentes versiones de lanzamiento de Amazon EMR, la versión que se mostrará será 2.2-amzn-2.

Componente Versión Descripción
emr-ddb3.0.0Conector de Amazon DynamoDB para aplicaciones del ecosistema de Hadoop.
emr-goodies2.0.0Bibliotecas especialmente prácticas para el ecosistema de Hadoop.
emr-kinesis3.1.0Conector de Amazon Kinesis para aplicaciones del ecosistema de Hadoop.
emr-s3-dist-cp2.0.0Aplicación de copia distribuida optimizada para Amazon S3.
emrfs2.2.0Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop.
ganglia-monitor3.6.0Agente de Ganglia incrustado para aplicaciones del ecosistema de Hadoop junto con el agente de monitorización de Ganglia.
ganglia-metadata-collector3.6.0Recopilador de metadatos de Ganglia para agregación de métricas a partir de los agentes de monitorización de Ganglia.
ganglia-web3.5.10Aplicación web para visualizar las métricas recopiladas por el recopilador de metadatos de Ganglia.
hadoop-client2.6.0-amzn-2Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode2.6.0-amzn-2Servicio de nivel de nodos de HDFS para el almacenamiento de bloques.
hadoop-hdfs-library2.6.0-amzn-2Biblioteca y cliente de línea de comandos HDFS
hadoop-hdfs-namenode2.6.0-amzn-2Servicio de HDFS para realizar un seguimiento de nombres de archivo y bloquear ubicaciones.
hadoop-httpfs-server2.6.0-amzn-2Punto de enlace HTTP para operaciones HDFS.
hadoop-kms-server2.6.0-amzn-2Servidor de administración de claves criptográficas basado en el API KeyProvider de Hadoop.
hadoop-mapred2.6.0-amzn-2Bibliotecas de motor de ejecución de MapReduce para ejecutar una aplicación de MapReduce.
hadoop-yarn-nodemanager2.6.0-amzn-2Servicio de YARN para la administración de contenedores en un nodo individual.
hadoop-yarn-resourcemanager2.6.0-amzn-2Servicio de YARN para la asignación y administración de recursos de clúster y aplicaciones distribuidas.
hive-client1.0.0-amzn-1Cliente de línea de comando de Hive.
hive-metastore-server1.0.0-amzn-1Service para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL en operaciones de Hadoop.
hive-server1.0.0-amzn-1Servicio para aceptar consultas de Hive como solicitudes web.
hue-server3.7.1-amzn-5Aplicación web para analizar datos con aplicaciones del ecosistema de Hadoop
mahout-client0.11.0Biblioteca para machine learning.
mysql-server5.5Servidor de bases de datos MySQL.
oozie-client4.2.0Cliente de línea de comando de Oozie.
oozie-server4.2.0Servicio para aceptar solicitudes de flujo de trabajo de Oozie.
presto-coordinator0.125Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers.
presto-worker0.125Service para ejecutar partes de una consulta.
pig-client0.14.0-amzn-0Cliente de línea de comando de Pig.
spark-client1.5.2Clientes de línea de comando de Spark.
spark-history-server1.5.2IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada.
spark-on-yarn1.5.2Motor de ejecución en memoria para YARN.
spark-yarn-slave1.5.2Bibliotecas de Apache Spark necesarias para esclavos de YARN.
webserver2.4Servidor HTTP de Apache.
zeppelin-server0.5.5-incubating-amzn-0Bloc de notas basado en web que permite el análisis de datos interactivo.

Clasificaciones de configuración de la versión 4.2.0

Las clasificaciones de configuración le permiten personalizar las aplicaciones. Suelen corresponder a un archivo XML de configuración para la aplicación como, por ejemplo, hive-site.xml. Para obtener más información, consulte Configuración de aplicaciones.

Clasificaciones de emr-4.2.0
Clasificaciones Descripción

capacity-scheduler

Cambiar los valores en el archivo capacity-scheduler.xml de Hadoop.

core-site

Cambiar los valores en el archivo core-site.xml de Hadoop.

emrfs-site

Cambiar la configuración de EMRFS.

hadoop-env

Cambiar los valores en el entorno de Hadoop para todos los componentes de Hadoop.

hadoop-log4j

Cambiar los valores en el archivo log4j.properties de Hadoop.

hdfs-encryption-zones

Configurar zonas de cifrado de HDFS.

hdfs-site

Cambiar los valores en hdfs-site.xml de HDFS.

hive-env

Cambiar los valores en el entorno de Hive.

hive-exec-log4j

Cambiar los valores en el archivo hive-exec-log4j.properties de Hive.

hive-log4j

Cambiar los valores en el archivo hive-log4.properties de Hive.

hive-site

Cambiar los valores en el archivo hive-site.xml de Hive.

hue-ini

Cambiar los valores en el archivo ini de Hue

httpfs-env

Cambiar los valores en el entorno de HTTPFS.

httpfs-site

Cambiar los valores en el archivo httpfs-site.xml de Hadoop.

hadoop-kms-acls

Cambiar los valores en el archivo kms-acls.xml de Hadoop.

hadoop-kms-env

Cambiar los valores en el entorno de Hadoop KMS.

hadoop-kms-log4j

Cambiar los valores en el archivo kms-log4j.properties de Hadoop.

hadoop-kms-site

Cambiar los valores en el archivo kms-site.xml de Hadoop.

mapred-env

Cambiar los valores en el entorno de aplicación de MapReduce.

mapred-site

Cambiar los valores en el archivo mapred-site.xml de la aplicación MapReduce.

oozie-env

Cambiar los valores en el entorno de Oozie.

oozie-log4j

Cambiar los valores en el archivo oozie-log4j.properties de Oozie.

oozie-site

Cambiar los valores en el archivo oozie-site.xml de Oozie.

pig-properties

Cambiar los valores en el archivo pig.properties de Pig.

pig-log4j

Cambiar los valores en el archivo log4j.properties de Pig.

presto-log

Cambiar los valores en el archivo log.properties de Presto.

presto-config

Cambiar los valores en el archivo config.properties de Presto.

presto-connector-hive

Cambiar los valores en el archivo hive.properties de Presto.

spark

Configuración de Amazon EMR mantenida para Apache Spark.

spark-defaults

Cambiar los valores en el archivo spark-defaults.conf de Spark.

spark-env

Cambiar los valores en el entorno de Spark.

spark-log4j

Cambiar los valores en el archivo log4j.properties de Spark.

spark-metrics

Cambiar los valores en el archivo metrics.properties de Spark.

yarn-env

Cambiar los valores en el entorno de YARN.

yarn-site

Cambiar los valores en el archivo yarn-site.xml de YARN.

zeppelin-env

Cambiar los valores en el entorno de Zeppelin.