Amazon EMR versión 4.4.0 - Amazon EMR

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Amazon EMR versión 4.4.0

Versiones de la aplicación 4.4.0

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

La siguiente tabla muestra las versiones de la aplicación disponibles en esta versión de Amazon EMR y las versiones de la aplicación en las tres EMR versiones anteriores de Amazon (cuando proceda).

Para obtener un historial completo de las versiones de las aplicaciones de cada versión de AmazonEMR, consulta los siguientes temas:

Información sobre la versión de la aplicación
emr-4.4.0 emr-4.3.0 emr-4.2.0 emr-4.1.0
AWS SDKpara Java 1.10.271.10,271.10,27No registrado
Python No registradoNo registradoNo registradoNo registrado
Scala No registradoNo registradoNo registradoNo registrado
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink - - - -
Ganglia3.7.23.7.23.6.0 -
HBase - - - -
HCatalog1.0.0 - - -
Hadoop2.7.12.7.12.6.02.6.0
Hive1.0.01.0.01.0.01.0.0
Hudi - - - -
Hue3.7.13.7.13.7.13.7.1
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub - - - -
Livy - - - -
MXNet - - - -
Mahout0.11.10.11.00.11.00.11.0
Oozie - - - -
Oozie-Sandbox4.2.04.2.04.2.04.0.1
Phoenix - - - -
Pig0.14.00.14.00.14.00.14.0
Presto - - - -
Presto-Sandbox0.1360.1300.1250.119
Spark1.6.01.6.01.5.21.5.0
Sqoop - - - -
Sqoop-Sandbox1.4.6 - - -
TensorFlow - - - -
Tez - - - -
Trino (Presto) SQL - - - -
Zeppelin - - - -
Zeppelin-Sandbox0.5.60.5.50.5.50.6.0- SNAPSHOT
ZooKeeper - - - -
ZooKeeper-Caja de arena - - - -

Notas de la versión 4.4.0

Las siguientes notas de la versión incluyen información sobre la versión EMR 4.4.0 de Amazon.

Fecha de lanzamiento: 14 de marzo de 2016

Características
  • Se agregó HCatalog la versión 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 que provocaba que la maximizeResourceAllocation configuración no reservara suficiente memoria para los YARN ApplicationMaster demonios.

  • Se ha corregido un error que se producía con una personalización. DNS Si alguna entrada en resolve.conf precede a las entradas personalizadas proporcionada, entonces las entradas personalizadas no se pueden resolver. Este comportamiento se vio afectado por los clústeres VPC en los que el servidor de VPC nombres predeterminado se inserta como la entrada superiorresolve.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 solucionó un problema que provocaba que YARN los contenedores y las aplicaciones de Spark generaran un archivo único de base de datos por turnos (rrd) de Ganglia, lo que provocaba que el primer disco conectado a la instancia se llenara. Debido a esta solución, se deshabilitaron las métricas a nivel de YARN contenedor y las métricas a nivel de aplicación de Spark se deshabilitaron.

  • Se ha corregido un problema en el insertador de registros que eliminaría todas las carpetas con registro vacío. El efecto era que Hive CLI no podía iniciar sesión porque Log Pusher estaba quitando la user carpeta vacía que había debajo. /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 EMRFS un error que provocaba que s3-dist-cp no gestionara correctamente los nombres de los cubos que contienen puntos.

  • Se modificó un comportamiento EMRFS para que, en los depósitos con control de versiones activado, el archivo de _$folder$ marcadores no se creara continuamente, lo que podría contribuir a mejorar el rendimiento de los depósitos con control de versiones activado.

  • Se modificó el comportamiento para que no utilice archivos de instrucciones, excepto en EMRFS los casos en que el cifrado del lado del cliente esté 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 modificó la agregación de YARN registros para conservar los registros en el destino de agregación durante dos días. El destino predeterminado es el HDFS almacenamiento en clústeres. Si desea cambiar esta duración, cambie el valor de yarn.log-aggregation.retain-seconds utilizando la clasificación de configuración yarn-site al crear el clúster. Como siempre, puede guardar los registros de las aplicaciones en Amazon S3 utilizando el parámetro log-uri al crear el clúster.

Parches aplicados

Versiones de componentes 4.4.0

Los componentes que Amazon EMR instala con esta versión se muestran a continuación. Algunos se instalan como parte de paquetes de aplicación de Big Data. Otros son exclusivos de Amazon EMR y se instalan para los procesos y funciones del sistema. Normalmente, estos componentes comienzan con emr o aws. Los paquetes de aplicaciones de macrodatos de la versión más reciente de Amazon EMR suelen ser la última versión que se encuentra en la comunidad. Hacemos que los lanzamientos comunitarios estén disponibles en Amazon lo antes EMR posible.

Algunos componentes de Amazon EMR difieren de las versiones comunitarias. Estos componentes tienen una etiqueta de versión con el formato CommunityVersion-amzn-EmrVersion. La EmrVersion empieza por 0. Por ejemplo, si el componente comunitario de código abierto denominado myapp-component en la versión 2.2 se ha modificado tres veces para incluirlo en diferentes EMR versiones de Amazon, su versión de lanzamiento aparece como2.2-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-cp2.2.0Aplicación de copia distribuida optimizada para Amazon S3.
emrfs2.4.0Conector de Amazon S3 para aplicaciones del ecosistema de Hadoop.
ganglia-monitor3.7.2Agente de Ganglia incrustado para aplicaciones del ecosistema de Hadoop junto con el agente de monitorización de Ganglia.
ganglia-metadata-collector3.7.2Recopilador de metadatos de Ganglia para agregación de métricas a partir de los agentes de monitorización de Ganglia.
ganglia-web3.7.1Aplicación web para visualizar las métricas recopiladas por el recopilador de metadatos de Ganglia.
hadoop-client2.7.1-amzn-1Los clientes de línea de comando de Hadoop como, por ejemplo "hdfs", "hadoop" o "yarn".
hadoop-hdfs-datanode2.7.1-amzn-1HDFSservicio a nivel de nodo para almacenar bloques.
hadoop-hdfs-library2.7.1-amzn-1HDFSbiblioteca y cliente de línea de comandos
hadoop-hdfs-namenode2.7.1-amzn-1HDFSservicio para rastrear nombres de archivos y ubicaciones de bloques.
hadoop-httpfs-server2.7.1-amzn-1HTTPpunto final para HDFS las operaciones.
hadoop-kms-server2.7.1-amzn-1Servidor de administración de claves criptográficas basado en el de Hadoop. KeyProvider API
hadoop-mapred2.7.1-amzn-1MapReduce bibliotecas de motores de ejecución para ejecutar una aplicación. MapReduce
hadoop-yarn-nodemanager2.7.1-amzn-1YARNservicio para gestionar contenedores en un nodo individual.
hadoop-yarn-resourcemanager2.7.1-amzn-1YARNservicio para asignar y administrar los recursos del clúster y las aplicaciones distribuidas.
hcatalog-client1.0.0-amzn-3El cliente de línea de comando "hcat" para manipular hcatalog-server.
hcatalog-server1.0.0-amzn-3Prestación de serviciosHCatalog, una capa de administración de tablas y almacenamiento para aplicaciones distribuidas.
hcatalog-webhcat-server1.0.0-amzn-3HTTPpunto final que proporciona una REST interfaz paraHCatalog.
hive-client1.0.0-amzn-3Cliente de línea de comando de Hive.
hive-metastore-server1.0.0-amzn-3Servicio para acceder al metaalmacén de Hive, un repositorio semántico que almacena metadatos para SQL las operaciones de Hadoop.
hive-server1.0.0-amzn-3Servicio 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-client0.11.1Biblioteca para machine learning.
mysql-server5.5Mi servidor de bases de datos. SQL
oozie-client4.2.0Cliente de línea de comando de Oozie.
oozie-server4.2.0Servicio para aceptar solicitudes de flujo de trabajo de Oozie.
presto-coordinator0.136Servicio para aceptar las consultas y administrar la ejecución de consultas entre presto-workers.
presto-worker0.136Service para ejecutar partes de una consulta.
pig-client0.14.0-amzn-0Cliente de línea de comando de Pig.
spark-client1.6.0Clientes de línea de comando de Spark.
spark-history-server1.6.0IU web para la visualización de eventos registrados durante la vida útil de una aplicación Spark completada.
spark-on-yarn1.6.0Motor de ejecución en memoria paraYARN.
spark-yarn-slave1.6.0Bibliotecas Apache Spark que necesitan los YARN esclavos.
sqoop-client1.4.6Cliente de línea de comando de Apache Sqoop.
webserver2.4HTTPServidor Apache.
zeppelin-server0.5.6-incubatingBloc de notas basado en web que permite el análisis de datos interactivo.

Clasificaciones de configuración 4.4.0

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

Clasificaciones de emr-4.4.0
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

Cambie EMRFS la configuración.

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

Configure las zonas de HDFS cifrado.

hdfs-site

Cambie los valores en HDFS el archivo hdfs-site.xml.

hcatalog-env

Cambie los valores en HCatalog el entorno.

hcatalog-server-jndi

Cambie los valores en HCatalog jndi.properties.

hcatalog-server-proto-hive-site

Cambie los valores en .xmlHCatalog. proto-hive-site

hcatalog-webhcat-env

Cambie los valores en el entorno ebHCat de HCatalog W.

hcatalog-webhcat-log4j

Cambie los valores en el ebHCat log4j.properties de HCatalog W.

hcatalog-webhcat-site

Cambie los valores en el archivo HCatalog webhcat-site.xml ebHCat de W.

hive-env

Cambiar los valores en el entorno de Hive.

hive-exec-log4j

Cambie los valores en el archivo hive-exec-log 4j.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

Cambie los valores del entorno. 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

Cambie 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

Cambie los valores en el entorno de la MapReduce aplicación.

mapred-site

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

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

EMRConfiguraciones seleccionadas por Amazon 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

Cambia 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

Cambie los valores del YARN entorno.

yarn-site

Cambie los valores en YARN el archivo yarn-site.xml.

zeppelin-env

Cambiar los valores en el entorno de Zeppelin.