Iniziare da AWS CLI

Usa il seguente comando per copiare lo script di esempio che eseguiremo nel tuo nuovo bucket.

aws s3 cp s3://us-east-1.elasticmapreduce/emr-containers/samples/wordcount/scripts/wordcount.py s3://amzn-s3-demo-bucket/scripts/

Nel comando seguente, sostituiscilo application-id con l'ID dell'applicazione. Sostituiscilo job-role-arn con il ruolo di runtime in ARN cui hai creato. Creare un ruolo Job Runtime Sostituto job-run-name con il nome che vuoi chiamare job run. Sostituisci tutte amzn-s3-demo-bucket le stringhe con il bucket Amazon S3 che hai creato e /output aggiungile al percorso. Questo crea una nuova cartella nel bucket in cui EMR Serverless può copiare i file di output dell'applicazione.

aws emr-serverless start-job-run \
    --application-id application-id \
    --execution-role-arn job-role-arn \
    --name job-run-name \
    --job-driver '{
        "sparkSubmit": {
          "entryPoint": "s3://amzn-s3-demo-bucket/scripts/wordcount.py",
          "entryPointArguments": ["s3://amzn-s3-demo-bucket/emr-serverless-spark/output"],
          "sparkSubmitParameters": "--conf spark.executor.cores=1 --conf spark.executor.memory=4g --conf spark.driver.cores=1 --conf spark.driver.memory=4g --conf spark.executor.instances=1"
        }
    }'

Annotate l'ID di esecuzione del lavoro restituito nell'output. Sostituiscilo job-run-id con questo ID nei passaggi seguenti.

Crea un file chiamato hive-query.ql che contenga tutte le query che desideri eseguire nel tuo job Hive.

create database if not exists emrserverless;
use emrserverless;
create table if not exists test_table(id int);
drop table if exists Values__Tmp__Table__1;
insert into test_table values (1),(2),(2),(3),(3),(3);
select id, count(id) from test_table group by id order by id desc;

Carica hive-query.ql nel tuo bucket S3 con il seguente comando.

aws s3 cp hive-query.ql s3://amzn-s3-demo-bucket/emr-serverless-hive/query/hive-query.ql

Nel comando seguente, sostituiscilo application-id con il tuo ID dell'applicazione. Sostituiscilo job-role-arn con il ruolo di runtime in ARN cui hai creato. Creare un ruolo Job Runtime Sostituisci tutte amzn-s3-demo-bucket le stringhe con il bucket Amazon S3 che hai creato e /output aggiungi /logs e al percorso. In questo modo vengono create nuove cartelle nel bucket, in cui EMR Serverless può copiare i file di output e di registro dell'applicazione.

aws emr-serverless start-job-run \
    --application-id application-id \
    --execution-role-arn job-role-arn \
    --job-driver '{
        "hive": {
          "query": "s3://amzn-s3-demo-bucket/emr-serverless-hive/query/hive-query.ql",
          "parameters": "--hiveconf hive.log.explain.output=false"
        }
    }' \
    --configuration-overrides '{
      "applicationConfiguration": [{
        "classification": "hive-site",
          "properties": {
            "hive.exec.scratchdir": "s3://amzn-s3-demo-bucket/emr-serverless-hive/hive/scratch",
            "hive.metastore.warehouse.dir": "s3://amzn-s3-demo-bucket/emr-serverless-hive/hive/warehouse",
            "hive.driver.cores": "2",
            "hive.driver.memory": "4g",
            "hive.tez.container.size": "4096",
            "hive.tez.cpu.vcores": "1"
            }
        }],
        "monitoringConfiguration": {
          "s3MonitoringConfiguration": {
            "logUri": "s3://amzn-s3-demo-bucket/emr-serverless-hive/logs"
           }
        }
    }'

Annotate l'ID di esecuzione del processo restituito nell'output. Sostituiscilo job-run-id con questo ID nei passaggi seguenti.