AWS Glue 데이터 카탈로그를 Hive의 메타스토어로 사용

Amazon EMR 버전 5.8.0 이상을 사용하면 AWS Glue 데이터 카탈로그를 메타스토어로 사용하도록 Hive를 구성할 수 있습니다. 영구 메타스토어가 필요하거나 여러 클러스터, 서비스, 애플리케이션 또는 AWS 계정에서 메타스토어를 공유해야 하는 경우에 이 구성을 사용하는 것이 좋습니다.

AWS Glue는 완전관리형 추출, 전환, 적재(ETL) 서비스로, 간단하고 경제적으로 데이터를 분류, 정리, 보강하고, 다양한 데이터 스토어 사이에서 데이터를 안정적으로 이동할 수 있습니다. AWS Glue 데이터 카탈로그는 다양한 데이터 소스과 데이터 형식에서 통합 메타데이터 리포지토리를 제공함으로써, Amazon EMR과의 통합은 물론, Amazon RDS, Amazon Redshift, Redshift Spectrum, Athena, 그리고 Apache Hive 메타스토어와 호환되는 모든 애플리케이션과의 통합을 지원합니다. AWS Glue 크롤러는 Amazon S3의 소스 데이터에서 스키마를 자동으로 추론하고 연결된 메타데이터를 데이터 카탈로그에 저장합니다. 데이터 카탈로그에 대한 자세한 내용은 AWS Glue 개발자 안내서에서 AWS Glue 데이터 카탈로그 채우기를 참조하세요.

AWS Glue에는 별도 요금이 적용됩니다. 데이터 카탈로그에 메타데이터를 저장하고 액세스하는 데 따른 월별 요금과 AWS Glue ETL 작업 및 크롤러 실행 시간에 대해 분당 청구되는 시간별 요금, 그리고 프로비저닝된 각 개발 엔드포인트에 대해 분당 청구되는 시간별 요금이 있습니다. 데이터 카탈로그에는 최대 100만 개의 객체를 무료로 저장할 수 있습니다. 100만 개 이상의 객체를 저장하는 경우, 100만 이상의 객체 100,000개마다 1USD가 부과됩니다. 데이터 카탈로그의 객체로는 테이블, 파티션 또는 데이터베이스가 있습니다. 자세한 내용은 Glue 요금을 참조하십시오.

AWS Glue 데이터 카탈로그를 메타스토어로 지정

AWS Management Console, AWS CLI 또는 Amazon EMR API를 사용하여 AWS Glue 데이터 카탈로그를 메타스토어로 지정할 수 있습니다. CLI 또는 API를 사용할 때 Hive에 대한 구성 분류를 사용하여 데이터 카탈로그를 지정합니다. 또한 Amazon EMR 5.16.0 이상에서는 구성 분류를 사용하여 다른 AWS 계정에서 데이터 카탈로그를 지정할 수 있습니다. 콘솔을 사용할 때 고급 옵션 또는 빠른 옵션을 사용하여 데이터 카탈로그를 지정할 수 있습니다.

Console

콘솔에서 AWS Glue Data Catalog를 Hive 메타스토어로 지정하는 방법

1. AWS Management Console에 로그인한 후 https://console.aws.amazon.com/emr에서 Amazon EMR 콘솔을 엽니다.

2. 왼쪽 탐색 창의 EMR on EC2에서 클러스터를 선택하고 클러스터 생성을 선택합니다.

3. 애플리케이션 번들에서 코어 Hadoop, HBase 또는 사용자 지정을 선택합니다. 클러스터를 사용자 지정하는 경우 Hive 또는 HCatalog를 애플리케이션 중 하나로 선택해야 합니다.

4. AWS Glue 데이터 카탈로그 설정에서 Hive 테이블 메타데이터에 사용 확인란을 선택합니다.

5. 클러스터에 적용할 다른 옵션을 선택합니다.

6. 클러스터를 시작하려면 클러스터 생성을 선택합니다.

CLI

AWS CLI를 사용하여 AWS Glue 데이터 카탈로그를 Hive 메타스토어로 지정하는 방법

AWS CLI 및 EMR API를 사용하여 구성 분류를 지정하는 방법에 대한 자세한 내용은 애플리케이션 구성 단원을 참조하십시오.

• 다음 예에 표시된 대로 hive-site 구성 분류를 사용하여 hive.metastore.client.factory.class에 대한 값을 지정합니다.

  [
    {
      "Classification": "hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"
      }
    }
  ]
  						

  EMR 릴리스 버전 5.28.0, 5.28.1 또는 5.29.0 또는 6.x에서 AWS Glue 데이터 카탈로그를 메타스토어로 사용하여 클러스터를 생성하는 경우에는 hive.metastore.schema.verification을 false로 설정해야 합니다. 이렇게 하면 Hive 및 HCatalog가 MySQL에 대한 메타스토어 스키마를 검증하는 것을 방지합니다. 이러한 구성이 없으면, Hive 또는 HCatalog에서 재구성한 후에 프라이머리 인스턴스 그룹이 일시 중지됩니다.

  [
    {
      "Classification": "hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory",
        "hive.metastore.schema.verification": "false"
      }
    }
  ]
  					

  EMR 릴리스 버전 5.28.0, 5.28.1 또는 5.29.0에 이미 클러스터가 있는 경우, 다음 정보를 사용하여 프라이머리 인스턴스 그룹 hive.metastore.schema.verification을 false로 설정할 수 있습니다.

     
      Classification = hive-site
      Property       = hive.metastore.schema.verification
      Value          = false
  					

  다른 AWS 계정에서 데이터 카탈로그를 지정하려면 다음 예제와 같이 hive.metastore.glue.catalogid 속성을 추가합니다. acct-id를 데이터 카탈로그의 AWS 계정으로 바꿉니다.

  [
    {
      "Classification": "hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory",
        "hive.metastore.schema.verification": "false",
        "hive.metastore.glue.catalogid": "acct-id"
      }
    }
  ]
  				

IAM 권한

클러스터에 대한 EC2 인스턴스 프로파일에는 AWS Glue 작업에 대한 IAM 권한이 있어야 합니다. 또한, AWS Glue 데이터 카탈로그 객체에 대해 암호화를 활성화할 경우 역할이 암호화에 사용되는 AWS KMS key를 암호화, 암호 해독 및 생성할 수 있도록 허용해야 합니다.

모든 AWS Glue 작업에 대한 권한

Amazon EMR에 대한 기본 EC2 인스턴스 프로파일을 사용할 경우 어떤 작업도 필요하지 않습니다. EMR_EC2_DefaultRole에 연결된 AmazonElasticMapReduceforEC2Role 관리형 정책은 필요한 모든 AWS Glue 작업을 허용합니다. 하지만 사용자 지정 EC2 인스턴스 프로파일 및 권한을 지정하는 경우 적절한 AWS Glue 작업을 구성해야 합니다. AmazonElasticMapReduceforEC2Role 관리형 정책을 시작점으로 사용합니다. 자세한 내용은 Amazon EMR 관리 안내서에서 클러스터 EC2 인스턴스의 서비스 역할(EC2 인스턴스 프로파일)을 참조하세요.

AWS Glue 데이터 카탈로그 암호화 및 암호 해독 권한

인스턴스 프로파일에 키를 사용하여 데이터를 암호화하고 복호화할 수 있는 권한이 필요합니다. 다음 두 설명이 모두 적용되는 경우에는 이러한 권한을 구성할 필요가 없습니다.

그렇지 않으면 EC2 인스턴스 프로파일에 연결된 권한 정책에 다음 명령을 추가해야 합니다.

[
    {
        "Version": "2012-10-17",
        "Statement": [
            {
                "Effect": "Allow",
                "Action": [
                    "kms:Decrypt",
                    "kms:Encrypt",
                    "kms:GenerateDataKey"
                ],
                "Resource": "arn:aws:kms:region:acct-id:key/12345678-1234-1234-1234-123456789012"
            }
        ]
    }
]

AWS Glue 데이터 카탈로그 암호화에 대한 자세한 내용은 AWS Glue 개발자 안내서에서 데이터 카탈로그 암호화를 참조하세요.

리소스 기반 권한

Amazon EMR에서 Hive, Spark 또는 Presto와 함께 AWS Glue를 사용하는 경우 AWS Glue는 데이터 카탈로그 리소스에 대한 액세스를 제어하는 리소스 기반 정책을 지원합니다. 이러한 리소스에는 데이터베이스, 테이블, 연결 및 사용자 정의 기능이 포함됩니다. 자세한 내용은 AWS Glue 개발자 안내서에서 AWS Glue 리소스 정책을 참조하세요.

리소스 기반 정책을 사용하여 Amazon EMR 내에서 AWS Glue에 대한 액세스를 제한하는 경우 권한 정책에서 지정하는 보안 주체는 클러스터를 생성할 때 지정하는 EC2 인스턴스 프로파일 및 연결된 역할 ARN이어야 합니다. 예를 들어, 카탈로그에 연결된 리소스 기반 정책의 경우 다음 예에 표시된 형식을 사용하여 클러스터 EC2 인스턴스에 대한 기본 서비스 역할의 ARN(EMR_EC2_DefaultRole)을 Principal로 지정할 수 있습니다.

arn:aws:iam::acct-id:role/EMR_EC2_DefaultRole

acct-id는 AWS Glue 계정 ID와 다를 수 있습니다. 그러면 다른 계정의 EMR 클러스터에서 액세스할 수 있습니다. 각각 다른 계정에서 여러 보안 주체를 지정할 수 있습니다.

AWS Glue 데이터 카탈로그 사용 시 고려 사항

AWS Glue 데이터 카탈로그를 Hive의 메타스토어로 사용할 경우 다음 사항을 고려합니다.