Amazon EMR, versión 4.4.0
Versiones de las aplicaciones de la versión 4.4.0
Esta versión admite las siguientes aplicaciones: Ganglia
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:
emr-4.4.0 | emr-4.3.0 | emr-4.2.0 | emr-4.1.0 | |
---|---|---|---|---|
AWS SDK para Java | 1.10.27 | 1.10.27 | 1.10.27 | No registrado |
Python | No registrado | No registrado | No registrado | No registrado |
Scala | No registrado | No registrado | No registrado | No registrado |
AmazonCloudWatchAgent | - | - | - | - |
Delta | - | - | - | - |
Flink | - | - | - | - |
Ganglia | 3.7.2 | 3.7.2 | 3.6.0 | - |
HBase | - | - | - | - |
HCatalog | 1.0.0 | - | - | - |
Hadoop | 2.7.1 | 2.7.1 | 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 | 3.7.1 |
Iceberg | - | - | - | - |
JupyterEnterpriseGateway | - | - | - | - |
JupyterHub | - | - | - | - |
Livy | - | - | - | - |
MXNet | - | - | - | - |
Mahout | 0.11.1 | 0.11.0 | 0.11.0 | 0.11.0 |
Oozie | - | - | - | - |
Oozie-Sandbox | 4.2.0 | 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 | 0.136 | 0.130 | 0.125 | 0.119 |
Spark | 1.6.0 | 1.6.0 | 1.5.2 | 1.5.0 |
Sqoop | - | - | - | - |
Sqoop-Sandbox | 1.4.6 | - | - | - |
TensorFlow | - | - | - | - |
Tez | - | - | - | - |
Trino (PrestoSQL) | - | - | - | - |
Zeppelin | - | - | - | - |
Zeppelin-Sandbox | 0.5.6 | 0.5.5 | 0.5.5 | 0.6.0-SNAPSHOT |
ZooKeeper | - | - | - | - |
ZooKeeper-Sandbox | - | - | - | - |
Notas de la versión 4.4.0
Las siguientes notas de la versión incluyen información sobre la versión 4.4.0 de Amazon EMR.
Fecha de lanzamiento: 14 de marzo de 2016
Características
-
Se ha añadido HCatalog 1.0.0
-
Se ha añadido Sqoop-Sandbox 1.4.6
-
Actualizado a Presto 0.136
-
Actualizado a Zeppelin 0.5.6
-
Actualizado a Mahout 0.11.1
-
dynamicResourceAllocation
habilitado de forma predeterminada. -
Se ha añadido una tabla de todas las clasificaciones de configuración para esta versión. Para obtener más información, consulte la tabla de clasificaciones de configuración de Configuración de aplicaciones.
Problemas conocidos resueltos de las versiones anteriores
-
Se ha corregido un error donde la configuración
maximizeResourceAllocation
no reservaría memoria suficiente para daemons ApplicationMaster de YARN. -
Se ha corregido un problema encontrado con una DNS personalizada. Si alguna entrada en
resolve.conf
precede a las entradas personalizadas proporcionada, entonces las entradas personalizadas no se pueden resolver. Este comportamiento se veía afectado por clústeres en una VPC donde el servidor de nombres de VPC predeterminado se inserta como entrada superior enresolve.conf
. -
Se ha corregido un problema donde la versión predeterminada de Python se traslada a la versión 2.7 y boto no se ha instalado para dicha versión.
-
Se ha corregido un error donde los contenedores de YARN y las aplicaciones de Spark generarían un archivo único de base de datos round robin (rrd) de Ganglia, que daría lugar a que se llenara el primer disco asociado a la instancia. Debido a esta solución, las métricas en el nivel de contenedor de YARN se han deshabilitado y las métricas en el nivel de aplicación de Spark se han deshabilitado.
-
Se ha corregido un problema en el insertador de registros que eliminaría todas las carpetas con registro vacío. El resultado era que la CLI de Hive no podía realizar el registro porque el insertador de registros eliminaba la carpeta
user
vacía en/var/log/hive
. -
Se ha corregido un problema que afectaba a las importaciones de Hive, que afectaba a las particiones y daba lugar a un error durante la importación.
-
Se ha corregido un problema donde EMRFS y s3-dist-cp no gestionaban de forma adecuada los nombres de bucket que contenían puntos.
-
Se ha cambiado un comportamiento en EMRFS, de forma que los buckets con control de versiones habilitado en el archivo de marcador
_$folder$
no se creaba de forma continua, lo que podría contribuir a mejorar el rendimiento de los buckets con control de versiones habilitado. -
Se ha cambiado el comportamiento en EMRFS de forma que no utiliza archivos de instrucciones, excepto en aquellos casos en los que el cifrado del lado del cliente está habilitado. Si desea eliminar archivos de instrucciones al utilizar el cifrado del lado cliente, puede establecer la propiedad de emrfs-site.xml,
fs.s3.cse.cryptoStorageMode.deleteInstructionFiles.enabled
, en true. -
Se ha cambiado la agregación de registros de YARN para conservar los registros en el destino agregación durante dos días. El destino predeterminado es el almacenamiento de HDFS de su clúster. Si desea cambiar esta duración, cambie el valor de
yarn.log-aggregation.retain-seconds
utilizando la clasificación de configuraciónyarn-site
al crear el clúster. Como siempre, puede guardar los registros de las aplicaciones en Amazon S3 utilizando el parámetrolog-uri
al crear el clúster.
Parches aplicados
Versiones de los componentes de la versión 4.4.0
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
. La CommunityVersion
-amzn-EmrVersion
empieza por 0. Por ejemplo, si un componente de la comunidad de código abierto llamado EmrVersion
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-ddb | 3.0.0 | Conector de Amazon DynamoDB para aplicaciones del ecosistema de Hadoop. |
emr-goodies | 2.0.0 | Bibliotecas especialmente prácticas para el ecosistema de Hadoop. |
emr-kinesis | 3.1.0 | Conector de Amazon Kinesis para aplicaciones del ecosistema de Hadoop. |
emr-s3-dist-cp | 2.2.0 | Aplicación de copia distribuida optimizada para Amazon S3. |
emrfs | 2.4.0 | Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop. |
ganglia-monitor | 3.7.2 | Agente de Ganglia incrustado para aplicaciones del ecosistema de Hadoop junto con el agente de monitorización de Ganglia. |
ganglia-metadata-collector | 3.7.2 | Recopilador de metadatos de Ganglia para agregación de métricas a partir de los agentes de monitorización de Ganglia. |
ganglia-web | 3.7.1 | Aplicación web para visualizar las métricas recopiladas por el recopilador de metadatos de Ganglia. |
hadoop-client | 2.7.1-amzn-1 | Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn". |
hadoop-hdfs-datanode | 2.7.1-amzn-1 | Servicio de nivel de nodos de HDFS para el almacenamiento de bloques. |
hadoop-hdfs-library | 2.7.1-amzn-1 | Biblioteca y cliente de línea de comandos HDFS |
hadoop-hdfs-namenode | 2.7.1-amzn-1 | Servicio de HDFS para realizar un seguimiento de nombres de archivo y bloquear ubicaciones. |
hadoop-httpfs-server | 2.7.1-amzn-1 | Punto de enlace HTTP para operaciones HDFS. |
hadoop-kms-server | 2.7.1-amzn-1 | Servidor de administración de claves criptográficas basado en el API KeyProvider de Hadoop. |
hadoop-mapred | 2.7.1-amzn-1 | Bibliotecas de motor de ejecución de MapReduce para ejecutar una aplicación de MapReduce. |
hadoop-yarn-nodemanager | 2.7.1-amzn-1 | Servicio de YARN para la administración de contenedores en un nodo individual. |
hadoop-yarn-resourcemanager | 2.7.1-amzn-1 | Servicio de YARN para la asignación y administración de recursos de clúster y aplicaciones distribuidas. |
hcatalog-client | 1.0.0-amzn-3 | El cliente de línea de comando "hcat" para manipular hcatalog-server. |
hcatalog-server | 1.0.0-amzn-3 | Service que proporciona a HCatalog, una tabla y capa de administración de almacenamiento para aplicaciones distribuidas. |
hcatalog-webhcat-server | 1.0.0-amzn-3 | Punto de enlace HTTP que proporciona una interfaz REST a HCatalog. |
hive-client | 1.0.0-amzn-3 | Cliente de línea de comando de Hive. |
hive-metastore-server | 1.0.0-amzn-3 | Service para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL en operaciones de Hadoop. |
hive-server | 1.0.0-amzn-3 | Servicio para aceptar consultas de Hive como solicitudes web. |
hue-server | 3.7.1-amzn-5 | Aplicación web para analizar datos con aplicaciones del ecosistema de Hadoop |
mahout-client | 0.11.1 | Biblioteca para machine learning. |
mysql-server | 5.5 | Servidor de bases de datos MySQL. |
oozie-client | 4.2.0 | Cliente de línea de comando de Oozie. |
oozie-server | 4.2.0 | Servicio para aceptar solicitudes de flujo de trabajo de Oozie. |
presto-coordinator | 0.136 | Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers. |
presto-worker | 0.136 | Service para ejecutar partes de una consulta. |
pig-client | 0.14.0-amzn-0 | Cliente de línea de comando de Pig. |
spark-client | 1.6.0 | Clientes de línea de comando de Spark. |
spark-history-server | 1.6.0 | IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada. |
spark-on-yarn | 1.6.0 | Motor de ejecución en memoria para YARN. |
spark-yarn-slave | 1.6.0 | Bibliotecas de Apache Spark necesarias para esclavos de YARN. |
sqoop-client | 1.4.6 | Cliente de línea de comando de Apache Sqoop. |
webserver | 2.4 | Servidor HTTP de Apache. |
zeppelin-server | 0.5.6-incubating | Bloc de notas basado en web que permite el análisis de datos interactivo. |
Clasificaciones de configuración de la versión 4.4.0
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 | 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. |
hcatalog-env | Cambiar los valores en el entorno de HCatalog. |
hcatalog-server-jndi | Cambiar los valores en jndi.properties de HCatalog. |
hcatalog-server-proto-hive-site | Cambiar los valores en proto-hive-site.xml de HCatalog. |
hcatalog-webhcat-env | Cambiar los valores en el entorno de HCatalog WebHCat. |
hcatalog-webhcat-log4j | Cambiar los valores en log4j.properties de HCatalog WebHCat. |
hcatalog-webhcat-site | Cambiar los valores en el archivo webhcat-site.xml de HCatalog WebHCat. |
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. |
sqoop-env | Cambiar los valores en el entorno de Sqoop. |
sqoop-oraoop-site | Cambiar los valores en el archivo oraoop-site.xml de Sqoop OraOop. |
sqoop-site | Cambiar los valores en el archivo sqoop-site.xml de Sqoop. |
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. |